The Differential Impact of Delivery Hospital on the Outcomes of Premature Infants
Notice bibliographique
Résumé
BACKGROUND: Because greater percentages of women deliver at hospitals without high-level NICUs, there is little information on the effect of delivery hospital on the outcomes of premature infants in the past 2 decades, or how these effects differ across states with different perinatal regionalization systems. METHODS: A retrospective population-based cohort study was constructed of all hospital-based deliveries in Pennsylvania and California between 1995 and 2005 and Missouri between 1995 and 2003 with a gestational age between 23 and 37 weeks (N = 1328132). The effect of delivery at a high-level NICU on in-hospital death and 5 complications of premature birth was calculated by using an instrumental variables approach to control for measured and unmeasured differences between hospitals. RESULTS: Infants who were delivered at a high-level NICU had significantly fewer in-hospital deaths in Pennsylvania (7.8 fewer deaths/1000 deliveries, 95% confidence interval [CI] 4.1-11.5), California (2.7 fewer deaths/1000 deliveries, 95% CI 0.9-4.5), and Missouri (12.6 fewer deaths/1000 deliveries, 95% CI 2.6-22.6). Deliveries at high-level NICUs had similar rates of most complications, with the exception of lower bronchopulmonary dysplasia rates at Missouri high-level NICUs (9.5 fewer cases/1000 deliveries, 95% CI 0.7-18.4) and higher infection rates at high-level NICUs in Pennsylvania and California. The association between delivery hospital, in-hospital mortality, and complications differed across the 3 states. CONCLUSIONS: There is benefit to neonatal outcomes when high-risk infants are delivered at high-level NICUs that is larger than previously reported, although the effects differ between states, which may be attributable to different methods of regionalization.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».