Using newborn screening analytes to identify cases of neonatal sepsis
Notice bibliographique
Résumé
Neonatal sepsis is associated with high mortality and morbidity, yet challenges with available diagnostic approaches can lead to delays in therapy. Our study assessed whether newborn screening analytes could be utilized to identify associations with neonatal sepsis. We linked a newborn screening registry with health databases to identify cases of sepsis among infants born in Ontario from 2010-2015. Correlations between sepsis and screening analytes were examined within three gestational age groups (early preterm: <34 weeks; late preterm: 34-36 weeks; term: ≥37 weeks), using multivariable logistic regression models. We started with a model containing only clinical factors, then added groups of screening analytes. Among 793,128 infants, 4,794 were diagnosed with sepsis during the neonatal period. Clinical variables alone or in combination with hemoglobin values were not strongly predictive of neonatal sepsis among infants born at term or late preterm. However, model fit improved considerably after adding markers of thyroid and adrenal function, acyl-carnitines, and amino acids. Among infants born at early preterm gestation, neither clinical variables alone nor models incorporating screening analytes adequately predicted neonatal sepsis. The combination of clinical variables and newborn screening analytes may have utility in identifying term or late preterm infants at risk for neonatal sepsis.
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 | 0,000 |
| 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 | 0,001 | 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 ».