Vulnerable newborn types: Analysis of population‐based registries for 165 million births in 23 countries, 2000–2021
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découle