Notice bibliographique
Résumé
Brain injury in preterm infants, as demonstrated with neonatal MRI, is associated with adverse neurodevelopmental outcomes in cognitive, language, motor, educational, behavioral, and social domains.1 Such brain injury is heterogeneous, is rarely localized, and evolves over time. White matter injury (WMI) in preterm infants is by far the most frequent brain injury, and occurs in over 70% of preterm infants born before 31 weeks of gestation.2 WMI found in the preterm brain includes cystic lesions, focal small lesions with high signal intensity (best seen on T1-weighted images), diffuse excessive high signal intensity (DEHSI), and loss of white matter volume. Although classic cystic periventricular leukomalacia is becoming rarer, DEHSI is seen often, and is obvious at term-equivalent age (TEA). Its specific relevance is open for debate, with poor predictive value for 2-year outcomes.3 However, qualitative MRI analysis assessing loss of substance (white matter atrophy, ventricular dilation, and associated corpus callosum thinning) at TEA is able to predict 2-year outcomes.4 In this era of active research for new neuroprotective therapies in the neonatal period, robust comprehensive approaches are warranted not just to predict the consequences of injury, but also to identify newborns who could benefit from future targeted neuroprotective therapies. So far, only a handful of systematic qualitative or quantitative MRI approaches have been evaluated or used to assess therapeutic efficiency.5,6
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 | 0,016 | 0,047 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,006 | 0,014 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,005 |
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 ».