Vulnerable newborn types: Analysis of population‐based registries for 165 million births in 23 countries, 2000–2021
Notice bibliographique
Résumé
OBJECTIVE: To examine the prevalence of novel newborn types among 165 million live births in 23 countries from 2000 to 2021. DESIGN: Population-based, multi-country analysis. SETTING: National data systems in 23 middle- and high-income countries. POPULATION: Liveborn infants. METHODS: Country teams with high-quality data were invited to be part of the Vulnerable Newborn Measurement Collaboration. We classified live births by six newborn types based on gestational age information (preterm <37 weeks versus term ≥37 weeks) and size for gestational age defined as small (SGA, <10th centile), appropriate (10th-90th centiles), or large (LGA, >90th centile) for gestational age, according to INTERGROWTH-21st standards. We considered small newborn types of any combination of preterm or SGA, and term + LGA was considered large. Time trends were analysed using 3-year moving averages for small and large types. MAIN OUTCOME MEASURES: Prevalence of six newborn types. RESULTS: We analysed 165 017 419 live births and the median prevalence of small types was 11.7% - highest in Malaysia (26%) and Qatar (15.7%). Overall, 18.1% of newborns were large (term + LGA) and was highest in Estonia 28.8% and Denmark 25.9%. Time trends of small and large infants were relatively stable in most countries. CONCLUSIONS: The distribution of newborn types varies across the 23 middle- and high-income countries. Small newborn types were highest in west Asian countries and large types were highest in Europe. To better understand the global patterns of these novel newborn types, more information is needed, especially from low- and middle-income countries.
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 | 0,005 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».