Interventions to improve neurodevelopmental outcomes of children born moderate to late preterm: a systematic review protocol
Notice bibliographique
Résumé
Introduction: Prematurity (birth before 37 +0 weeks’ gestation) is associated with wide-ranging neurodevelopmental impairment. Prognosis among moderate to late (32 +0 to <37 +0 weeks’ gestation) preterm infants (MLPT) is better compared to their counterparts born very preterm (<32 +0 weeks’ gestation). However the risk of developmental impairment among MLPT, who make up about 84% of all preterm infants, is 2-3 times higher when compared to infants born at term. Early interventions have aimed to improve outcomes in preterm infants generally, but there are limited data on their need and effect in MLPT specifically. Prioritising research, long-term follow-up and early interventions targeted at ameliorating the impact of preterm birth among MLPT is required. Objectives: To conduct a systematic review of the type of early childhood interventions (from birth until 4 years of age) offered to MLPT children and to evaluate their impact on neurodevelopmental outcomes (cognitive, neurobehavioural and motor) as assessed in these children during childhood (until 18 years of age). Methods and analysis: A systematic literature search in Web of Science, Medline Ovid, PsycINFO, CINAHL and EMBASE will be conducted. Data on MLPT children receiving developmental interventions until the age of 4 years will be evaluated. Interventions may involve parents or primary caregivers. Primary outcomes are cognitive, neurobehavioural and motor development as measured from birth until the age of 18 years. The Cochrane Risk of Bias Assessment Tool will be used to evaluate the methodological quality of randomised controlled trials (RCTs) included in the review and will be graded as low, high or unclear risk of bias. The quality of non-RCTs will be evaluated with the Newcastle-Ottawa Scale. The quality of evidence for each outcome will be evaluated using the Grading of Recommendations Assessment, Development and Evaluation Approach. Publication and reporting bias will be assessed using Egger’s test and funnel plots respectively.
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 | 0,026 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,017 | 0,015 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,004 | 0,004 |
| Intégrité de la recherche | 0,005 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,056 | 0,005 |
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 ».