The International Network for Evaluating Outcomes of very low birth weight, very preterm neonates (iNeo): a protocol for collaborative comparisons of international health services for quality improvement in neonatal care
Notice bibliographique
Résumé
BACKGROUND: The International Network for Evaluating Outcomes in Neonates (iNeo) is a collaboration of population-based national neonatal networks including Australia and New Zealand, Canada, Israel, Japan, Spain, Sweden, Switzerland, and the UK. The aim of iNeo is to provide a platform for comparative evaluation of outcomes of very preterm and very low birth weight neonates at the national, site, and individual level to generate evidence for improvement of outcomes in these infants. METHODS/DESIGN: Individual-level data from each iNeo network will be used for comparative analysis of neonatal outcomes between networks. Variations in outcomes will be identified and disseminated to generate hypotheses regarding factors impacting outcome variation. Detailed information on physical and environmental factors, human and resource factors, and processes of care will be collected from network sites, and tested for association with neonatal outcomes. Subsequently, changes in identified practices that may influence the variations in outcomes will be implemented and evaluated using quality improvement methods. DISCUSSION: The evidence obtained using the iNeo platform will enable clinical teams from member networks to identify, implement, and evaluate practice and service provision changes aimed at improving the care and outcomes of very low birth weight and very preterm infants within their respective countries. The knowledge generated will be available worldwide with a likely global impact.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,398 | 0,391 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,012 | 0,015 |
| Bibliométrie | 0,017 | 0,028 |
| Études des sciences et des technologies | 0,008 | 0,006 |
| Communication savante | 0,010 | 0,008 |
| Science ouverte | 0,011 | 0,016 |
| Intégrité de la recherche | 0,007 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,007 |
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 source (Gemma direct ou Codex distillé), 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 ».