Demographic Risk Factors of Retinopathy of Prematurity: A Systematic Review of Population-Based Studies
Notice bibliographique
Résumé
INTRODUCTION: Current national guidelines use gestational age (GA) and birth weight (BW) as their basis for retinopathy of prematurity (ROP) screening. The strength of association of these and other demographic risk factors is inconsistent across studies. This review aims to evaluate the strength of association of documented risk factors for ROP in large sample, population-based studies. METHODS: MEDLINE, EMBASE, and Cochrane Library were searched from January 2010 to May 2020. Original studies reporting the risk of ROP in a region and demographic risk factors were included. RESULTS: Eighteen studies comprising 342,005 infants were included. The overall risk of ROP in preterm infants was 18.8%. For every week decrease in GA, there was a median adjusted odds ratio (aOR) of 1.4 times (range 1.2-1.9) of developing ROP. For every 100-g decrease in BW, the median aOR was 1.8 times (range 1.2-2.7). Higher risk was found in infants with neonatal sepsis and bronchopulmonary dysplasia. The risk of any, severe, and treatment-requiring ROP was highest for 23 weeks GA, which was 66.5, 40.3, and 39.4%, respectively. Regions with higher neonatal mortality rates had the highest mean GA of infants with ROP. CONCLUSION: For every week decrease in GA and every 100-g decrease in BW, there was a median of 1.4 times and 1.8 times the odds of developing ROP, respectively. Further research is required to clarify the role of additional risk factors.
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 | 0,008 | 0,041 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,011 | 0,013 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 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 ».