MétaCan
Menu
Retour à la cohorte
Enregistrement W4378347450 · doi:10.1159/000530496

Ending Preventable Neonatal Deaths: Multicountry Evidence to Inform Accelerated Progress to the Sustainable Development Goal by 2030

2023· review· en· W4378347450 sur OpenAlexaff
Joy E Lawn, Zulfiqar A Bhutta, Chinyere Ezeaka, Ola Didrik Saugstad

Notice bibliographique

RevueNeonatology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueGlobal Maternal and Child Health
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesMedical Research Council
Mots-clésStaffingNeonatal mortalityContext (archaeology)MedicineHealth careMortality rateScale (ratio)Infant mortalityEnvironmental healthNursingEconomic growthSurgeryGeography

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The Sustainable Development Goal (SDG) 3.2 aims for every country to reach a neonatal mortality rate (NMR) of ≤12/1,000 live births by 2030. More than 60 countries are off track, and 2.3 million newborns still die each year. Urgent action is needed, but varies by context, notably mortality level. METHODS: We applied a five-phase NMR transition model based on national analyses for 195 UN member states: I (NMR >45), II (30-<45), III (15-<30), IV (5-<15), and V (<5). We analyzed data over the last century from selected countries to inform strategies to reach SDG3.2. We also undertook impact analyses for packages of care using the Lives Saved Tool software. RESULTS: An NMR of <15/1,000 requires firstly wide-scale access to maternity care and hospital care for small and sick newborns, including skilled nurses and doctors, safe oxygen use, and respiratory support, such as CPAP. Neonatal mortality could be reduced to the SDG target of ≤12/1,000 with further scale-up of small and sick newborn care. To reduce neonatal mortality further, more investment is required in infrastructure, device bundles (e.g., phototherapy, ventilation), and careful attention to infection prevention. To reach phase V (NMR <5), which is closer to ending preventable newborn deaths, additional technologies and therapies such as mechanical ventilation and surfactant replacement therapy are needed, as well as higher staffing ratios. CONCLUSIONS: Learning from high-income country is important, including what not to do. Introduction of new technologies should be according to the country's phase. Early focus on disability-free survival and family involvement is also crucial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,099
score de la tête « metaresearch » (Gemma)0,217
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,523

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0990,217
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,010
Bibliométrie0,0090,006
Études des sciences et des technologies0,0010,001
Communication savante0,0040,005
Science ouverte0,0030,006
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0130,001

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,403
Écart entre enseignants0,330 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations71
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeonatologyMême sujetGlobal Maternal and Child HealthTravaux en français237 207