93 Timing and frequency of head ultrasound screening to identify severe neurological injury among very preterm infants
Notice bibliographique
Résumé
Abstract Primary Subject area Neonatal-Perinatal Medicine Background Universal head ultrasound (HUS) screening for severe neurological injury (SNI) injury is recommended for infants born < 32 weeks’ gestational age (GA). However, the risk of SNI varies inversely with GA at birth and other known risk factors; therefore targeted screening may be more appropriate. Objectives The objective of the study is to develop a risk-stratified HUS screening protocol for infants born < 32 weeks’ to identify SNI accurately while minimizing resource use. Design/Methods Retrospective cohort study of infants born 23-31 weeks’ admitted to a tertiary NICU between 2011-2017. Patient characteristics were extracted from the Canadian Neonatal Network database. All HUS were individually reviewed by a trained abstractor and grouped based on date of exam relative to birth: ≤ 3 days, 4-7 days, 8-14 days, 28-42 days and 35-42 weeks’ corrected GA. Severe neurological injury was defined as intraventricular hemorrhage grade ≥ 3 and/or periventricular leukomalacia on HUS. Logistic regression models were used to identify perinatal risk factors for SNI and determine the number and timing of HUS with highest diagnostic accuracy. Results Of 651 infants included, 72 (11%) developed SNI. Independent risk factors for SNI were GA <29 weeks (AOR 3.09, 95% CI 1.65-6.08), vasopressors (AOR 2.95, 95% CI 1.24-6.80) and mechanical ventilation on day of admission (AOR 2.22, 95% CI 1.23-4.11). Infants were grouped into three screening groups based on their exposure to these risk factors (Table 1). Diagnostic accuracy of 63 models of combinations of HUS time points were assessed, and a screening protocol was developed based on the specific time points of HUS that maximized diagnostic accuracy (area under the ROC curve >0.9) while minimizing number of HUS for each screening group (Table 2). Using this protocol could reduce the total number of HUS performed by 920 (40%) and median number of HUS per infant from three (IQR 2-4) to 2 (IQR 1-2; p < 0 .001). Conclusion Implementation of a risk factor-based HUS screening protocol may reduce resource use while maintaining high diagnostic accuracy for SNI, and reflects choosing wisely in the NICU.
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 | 0,001 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».