Predicting severe motor impairment in preterm children at age 5 years
Notice bibliographique
Résumé
OBJECTIVE: To determine whether the ability to predict severe motor impairment at age 5 years improves between birth and 18 months. DESIGN: Ancillary study of the Caffeine for Apnea of Prematurity Trial. SETTING AND PATIENTS: International cohort of very low birth weight children who were assessed sequentially from birth to 5 years. OUTCOME MEASURES: Severe motor impairment was defined as a score <5th percentile on the Movement Assessment Battery of Children (MABC), or inability to complete the MABC because of cerebral palsy. Multivariable logistic regression cumulative risk models used four sets of predictor variables: early neonatal risk factors, risk factors at 36 weeks' postmenstrual age, risk factors at a corrected age of 18 months, and sociodemographic variables. A receiver operating characteristic curve (ROC) was generated for each model, and the four ROC curves were compared to determine if the addition of the new set of predictors significantly increased the area under the curve (AUC). RESULTS: Of 1469 children, 291 (19.8%) had a severe motor impairment at 5 years. The AUC increased from 0.650 soon after birth, to 0.718 (p<0.001) at 36 weeks' postmenstrual age, and to 0.797 at 18 months (p<0.001). Sociodemographic variables did not significantly improve the AUC (AUC=0.806; p=0.07). CONCLUSIONS: Prediction of severe motor impairment at 5 years of age using a cumulative risk model improves significantly from birth to 18 months of age in children with birth weights between 500 g and 1250 g. TRIAL REGISTRATION NUMBER: ClinicalTrials.gov number NCT00182312.
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) | 0,000 | 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 ».