MétaCan
Menu
Retour à la cohorte
Enregistrement W3144814027 · doi:10.1159/000512761

Risk Factors for Failure in First-Time Hearing Screening Tests among High-Risk Neonates in Neonatal Intensive Care Unit

2021· article· en· W3144814027 sur OpenAlex
Feng Zhai, Xuhua Fang, Yanbo Li, Haoliang Chen, Jie Chen

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueAudiology and Neurotology · 2021
Typearticle
Langueen
DomaineNeuroscience
ThématiqueHearing, Cochlea, Tinnitus, Genetics
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineNeonatal intensive care unitNeonatal respiratory distress syndromePediatricsRespiratory distressBirth weightGestational ageLow birth weightLogistic regressionStepwise regressionAuditory brainstem responseObstetricsPregnancyHearing lossInternal medicineSurgeryAudiology

Résumé

récupéré en direct d'OpenAlex

<b><i>Objective:</i></b> The aim of the study was to investigate into the risk factors for failure in the first-time screening test among high-risk neonates in neonatal intensive care unit (NICU) in order to further clarify the etiology of neonatal hearing impairment, thus providing insights into early prevention and intervention. <b><i>Methods:</i></b> We performed automated auditory brainstem response (AABR), distortion product otoacoustic emission (DPOAE), and acoustic immittance (AI) on 2,194 high-risk neonates admitted into the NICU of Shanghai Children’s Medical Center from January 2015 to December 2019, and the risk factors, including premature birth, hyperbilirubinemia, and infant respiratory distress syndrome, were analyzed retrospectively by the univariate χ<sup>2</sup> test and multivariate stepwise logistic regression analysis. <b><i>Results:</i></b> The pass rates of AABR, DPOAE, and AI were 70.21, 78.44, and 93.12%, respectively, in 2,194 cases of high-risk neonates screened, which are significantly lower than those of healthy controls. The most common diagnoses included artificial feeding, preterm birth, C-section, low birth weight (LBW), neonatal hyperbilirubinemia (NHB), neonatal respiratory distress syndrome (NRDS), congenital heart disease (CHD), gestational diabetes mellitus, pregnancy-induced hypertension syndrome, advanced maternal age (AMA), twins, and in vitro fertilization. Stepwise logistic regression analysis indicated that the AABR pass rate was negatively correlated with LBW (<i>p</i> = 0.002), NHB (<i>p</i> < 0.001), NRDS (<i>p</i> = 0.007), artificial or mixed feeding (<i>p</i> = 0.018), and CHD (<i>p</i> = 0.005). The pass rate of DPOAE was negatively correlated with artificial or mixed feeding (<i>p</i> = 0.041), NHB (<i>p</i> < 0.001), LBW (<i>p</i> = 0.007), very LBW (VLBW) (<i>p</i> = 0.008), and C-section (<i>p</i> < 0.001). The pass rate of AI was negatively correlated with revised AMA (≥40 year) (<i>p</i> < 0.001), NHB (<i>p</i> = 0.043), C-section (<i>p</i> = 0.005), and artificial/mixed feeding (<i>p</i> = 0.036). <b><i>Conclusion:</i></b> The hearing screening pass rates of high-risk neonates in the NICU were lower than those of normal neonates, among which the rate of AABR was significantly lower than that of DPOAE. NRDS, NHB, LBW, revised AMA, CHD, C-section, and artificial feeding are potential risk factors of hearing impairment. The combination of different hearing screening tests is necessary for accurate diagnosis of congenital hearing disorders.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,272
Écart entre enseignants0,241 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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