Brain Injury Patterns in Hypoglycemia in Neonatal Encephalopathy
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Low glucose values are often seen in term infants with NE, including HIE, yet the contribution of hypoglycemia to the pattern of neurologic injury remains unclear. We hypothesized that MR features of neonatal hypoglycemia could be detected, superimposed on the predominant HIE injury pattern. MATERIALS AND METHODS: Term neonates (n = 179) with NE were prospectively imaged with day-3 MR studies and had glucose data available for review. The predominant imaging pattern of HIE was recorded as watershed, basal ganglia, total, focal-multifocal, or no injury. Radiologic hypoglycemia was diagnosed on the basis of selective edema in the posterior white matter, pulvinar, and anterior medial thalamic nuclei. Clinical charts were reviewed for evidence of NE, HIE, and hypoglycemia (<46 mg/dL). RESULTS: The predominant pattern of HIE injury imaged included 17 watershed, 25 basal ganglia, 10 total, 42 focal-multifocal, and 85 cases of no injury. A radiologic diagnosis of hypoglycemia was made in 34 cases. Compared with laboratory-confirmed hypoglycemia, MR findings had a positive predictive value of 82% and negative predictive value of 78%. Sixty (34%) neonates had clinical hypoglycemia before MR imaging. Adjusting for 5-minute Apgar scores and umbilical artery pH with logistic regression, clinical hypoglycemia was associated with a 17.6-fold higher odds of MR imaging identification (P < .001). Selective posterior white matter and pulvinar edema were most predictive of clinical hypoglycemia, and no injury (36%) or a watershed (32%) pattern of injury was seen more often in severe hypoglycemia. CONCLUSIONS: In term infants with NE and hypoglycemia, specific imaging features for both hypoglycemia and hypoxia-ischemia can be identified.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».