Mortality in Infants Affected by Preterm Birth and Severe Small-for-Gestational Age Birth Weight
Notice bibliographique
Résumé
BACKGROUND: Few researchers have evaluated neonatal mortality in the combined presence of preterm birth (PTB) and small-for-gestational age (SGA) birth weight. None differentiated between infants with and without anomalies, considered births starting at 23 weeks' gestation, or defined SGA at a more pathologic cutpoint less than the fifth percentile. METHODS: We completed a population-based cohort study within the province of Ontario, Canada, from 2002 to 2015. Included were 1 676 110 singleton hospital live births of 23 to 42 weeks' gestation. Modified Poisson regression compared rates and relative risks of neonatal mortality among those with (1) preterm birth at 23 to 36 weeks' gestation and concomitant severe small for gestational age (PTB-SGA), (2) PTB at 23 to 36 weeks' gestation without severe SGA, (3) term birth with severe SGA, and each relative to (4) neither. Relative risks were adjusted for maternal age and stratified by several demographic variables. RESULTS: Relative to a neonatal mortality rate of 0.6 per 1000 term infants without severe SGA, the rate was 2.8 per 1000 among term births with severe SGA (adjusted relative risk [aRR] 4.6; 95% confidence interval [CI] 4.0-5.4), 22.9 per 1000 for PTB without severe SGA (aRR 38.3; 95% CI 35.4-41.4) and 60.0 per 1000 for PTB-SGA (aRR 96.7; 95% CI 85.4-109.5). Stratification by demographic factors showed a persistence of this pattern of neonatal death. Restricting the sample to births at ≥24 weeks' gestation, or newborns without a congenital or chromosomal anomaly, also demonstrated the same pattern. CONCLUSIONS: Methods to detect or prevent PTB or SGA should focus on PTB-SGA, which serves as a useful perinatal surveillance indicator.
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 | 0,001 |
| 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 ».