Comparative effectiveness of prophylactic therapies for necrotizing enterocolitis in preterm infants: Protocol for a network meta-analysis of randomized trials
Notice bibliographique
Résumé
Necrotizing enterocolitis (NEC) is a common and devastating disease with high morbidity and mortality in premature infants. Current literature on the prevention of NEC has limitations including lack of direct and indirect comparisons of available therapies. We will search MEDLINE, EMBASE, Science Citation Index Expanded, Social Sciences Citation Index, CINAHL, Scopus, ProQuest Dissertations and Theses database, and grey literature sources to identify eligible trials evaluating NEC preventive therapies. Eligible studies will (1) enroll preterm (gestational age <37 weeks) and/or low birth weight (birth weight <2500 g) infants, (2) randomize infants to any preventive intervention or a placebo, or alternative active or nonactive intervention. Our outcomes of interest are severe NEC (stage II or more, based on Bell's criteria), all-cause mortality, NEC-related mortality, late-onset sepsis, duration of hospitalization, weight gain, time to establish full enteral feeds, and treatment-related adverse events. Two reviewers will independently screen trials for eligibility, assess risk of bias, and extract data. All discrepancies will be resolved by discussion. We will specify a priori explanations for heterogeneity between studies. For available comparisons between treatment and no treatment, and direct comparisons of treatments, we will conduct conventional meta-analysis using a random effects model. We will conduct a network meta-analysis using a random effects model within the Bayesian framework using Markov chain Monte Carlo methods to assess relative effects of eligible interventions. We will assess the certainty in direct, indirect, and network estimates using the Grading of Recommendations Assessment, Development and Evaluation approach. Ethics and Dissemination: We will disseminate our findings through a peer-reviewed publication and conference presentations.
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 | 0,088 | 0,157 |
| Méta-épidémiologie (sens strict) | 0,009 | 0,004 |
| Méta-épidémiologie (sens large) | 0,019 | 0,031 |
| Bibliométrie | 0,010 | 0,008 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,006 | 0,005 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,006 |
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 ».