B.5 Hospitalization in school aged children with cerebral palsy and population-based Controls: A Data Linkage Study
Notice bibliographique
Résumé
Background: Predictors of hospitalization and reasons for admissions can inform healthcare planning and prevention. We sought to characterize the hospitalization pattern and risk factors for admission of children with cerebral palsy (CP). Methods: Data from the Registre de paralysie cérébrale du Québec and provincial administrative databases were linked. The CP cohort contained children born between 1999 and 2002. Data related to admissions were captured in 2012. Relative risks (RR) were calculated to identify factors increasing hospitalization risk. Peers without CP were matched from administrative databases in a 20:1 ratio. Chi-square tests and Student’s T-tests were used to compare cohorts. Results: 301 children with CP and 6040 peer controls were selected. Hospitalizations were increased in children with CP (raw mean difference (RMD) 5.0 95% CI 4.7 to 5.2), with significantly longer lengths of stay (RMD 2.8 95% CI 1.8 to 3.8) and number of diagnoses per hospitalization (RMD 1.6 95% CI 1.4 to 1.8). Increased risk of any hospitalization was observed in children with a more complex profile. Conclusions: Children with a more severe profile of CP and greater health care complexity face more frequent and longer hospital stays. Coordinated interdisciplinary care is needed in school-aged children with CP and medical complexity.
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 | 0,004 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».