Factors associated with car seat test failure in late preterm infants: A retrospective chart review
Notice bibliographique
Résumé
BACKGROUND: Professional organizations recommend car seat testing of preterm infants before discharge from hospital. Late preterm infants (LPIs, 34(0/7) to 36(6/7) weeks' gestational age) are at the greatest risk for failure, despite often being well. OBJECTIVE: To determine the incidence of car seat testing failure in LPIs and associative factors. METHODS: A retrospective chart review was performed of inborn LPIs admitted to all levels of newborn care between July 1, 2012 and June 30, 2013. Data collected included maternal demographics, labour and delivery history, and neonatal course. Data were analyzed using backward logistic regression. RESULTS: A total of 511 charts were reviewed and 367 LPIs were eligible for inclusion. Of the 313 LPIs tested (mean [± SD] gestational age 36 weeks ±6 days and birth weight 2614±405 g), 80 (26%) failed (95% CI 21% to 31%). Most failed due to desaturations (≥2) of <88% for ≥10 s (n=33 [41%]). Multiple gestation was associated with failure (adjusted OR 2.45 [95% CI 1.44 to 4.18]; P=0.001), and there was a trend toward statistical significance for the variable postnatal age (0.996 [95% CI 0.99 to 1.00]; P=0.05). Infants who passed their car seat test had higher postnatal ages than those who failed (mean difference 39.4 h [95% CI 12.7 h to 66.0 h]; P=0.004). CONCLUSION: Twenty-six percent of LPIs failed car seat testing. Ideally, infants should be tested after an appropriate transitional period. The authors identified factors that may be important in designing future, prospective studies in this area. Future research should evaluate the clinical significance of car seat testing and resource utilization.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».