Consensus Approach for Standardizing the Screening and Classification of Preterm Brain Injury Diagnosed With Cranial Ultrasound: A Canadian Perspective
Notice bibliographique
Résumé
Acquired brain injury remains common in very preterm infants and is associated with significant risks for short- and long-term morbidities. Cranial ultrasound has been widely adopted as the first-line neuroimaging modality to study the neonatal brain. It can reliably detect clinically significant abnormalities that include germinal matrix and intraventricular hemorrhage, periventricular hemorrhagic infarction, post-hemorrhagic ventricular dilatation, cerebellar hemorrhage, and white matter injury. The purpose of this article is to provide a consensus approach for detecting and classifying preterm brain injury to reduce variability in diagnosis and classification between neonatologists and radiologists. Our overarching goal with this work was to achieve homogeneity between different neonatal intensive care units across a large country (Canada) with regards to classification, timing of brain injury screening and frequency of follow up imaging. We propose an algorithmic approach that can help stratify different grades of germinal matrix-intraventricular hemorrhage, white matter injury, and ventricular dilatation in very preterm infants.
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 | 0,068 | 0,122 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,013 | 0,007 |
| Études des sciences et des technologies | 0,007 | 0,003 |
| Communication savante | 0,007 | 0,002 |
| Science ouverte | 0,008 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».