Development of a neonatal adverse event severity scale through a Delphi consensus approach
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Assessment of the seriousness, expectedness and causality are necessary for any adverse event (AE) in a clinical trial. In addition, assessing AE severity helps determine the importance of the AE in the clinical setting. Standardisation of AE severity criteria could make safety information more reliable and comparable across trials. Although standardised AE severity scales have been developed in other research fields, they are not suitable for use in neonates. The development of an AE severity scale to facilitate the conduct and interpretation of neonatal clinical trials is therefore urgently needed. METHODS: A stepwise consensus process was undertaken within the International Neonatal Consortium (INC) with input from all relevant stakeholders. The consensus process included several rounds of surveys (based on a Delphi approach), face-to-face meetings and a pilot validation. RESULTS: Neonatal AE severity was classified by five grades (mild, moderate, severe, life threatening or death). AE severity in neonates was defined by the effect of the AE on age appropriate behaviour, basal physiological functions and care changes in response to the AE. Pilot validation of the generic criteria revealed κ=0.23 and guided further refinement. This generic scale was applied to 35 typical and common neonatal AEs resulting in the INC neonatal AE severity scale (NAESS) V.1.0, which is now publicly available. DISCUSSION: The INC NAESS is an ongoing effort that will be continuously updated. Future perspectives include further validation and the development of a training module for users.
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.
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 | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle