Chinese Neonatal Network: a national protocol for collaborative research and quality improvement in neonatal care
Notice bibliographique
Résumé
INTRODUCTION: The objective of the Chinese Neonatal Network (CHNN) is to provide a platform for collaborative research, outcomes evaluation and quality improvement for preterm infants with gestational age less than 32 weeks in China. The CHNN is the first national neonatal network and has the largest geographically representative cohort from neonatal intensive care units (NICUs) in China. METHODS AND ANALYSIS: Individual-level data from participating NICUs will be collected using a unique database developed by the CHNN on an ongoing basis from January 2019. Data will be prospectively collected from all infants <32 weeks gestation or <1500 g birth weight at 58 participating NICUs. Infant outcomes and inter-institutional variations in outcomes will be examined and used to inform quality improvement measures aimed at improving outcomes. Information about NICU environmental and human resource factors and processes of neonatal care will also be collected and analysed for association with outcomes. Clinical studies, including randomised controlled trials will be conducted using the CHNN data platform. ETHICS AND DISSEMINATION: This study was approved by the ethics review board of Children's Hospital of Fudan University, which was recognised by all participating hospitals. Waiver of consent were granted at all sites. Only non-identifiable patient level data will be transmitted and only aggregate data will be reported in CHNN reports and publications.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».