Accuracy of reticulocyte hemoglobin for diagnosing iron deficiency in former very preterm infants: a population-based cohort study
Notice bibliographique
Résumé
Background: Serum ferritin (SF) is commonly used to diagnose iron deficiency (ID) but has limitations. Reticulocyte hemoglobin (Ret-He) is being increasingly used for ID diagnosis. This study aimed to assess accuracy of Ret-He for ID diagnosis in former very preterm infants (VPI) at 4-6 months corrected age (CA). Methods: A retrospective population-based cohort study was conducted on all live VPI born between 23 and 30 weeks of gestational age (GA) in Nova Scotia from 2012 to 2018. Infants underwent SF and Ret-He testing at 4-6 months CA. ID was defined using two definitions. The first defined ID as SF < 20 mcg/L at both 4- and 6-months CA, and the second as SF < 30 mcg at at both 4- and 6-months CA. The accuracy of Ret-He for identifying ID was assessed using the area under the receiver operating characteristic curve (AUC). Results: = 0.04) in the second. The optimal cut-off was 29.4pg in the first and 29.7 in the second definition. The sensitivity, specificity, positive predictive value (PPV), and negative predictive values (NPV) at the 29.4 pg cut-off were 50.0%, 78.7%, 60.8%, and 70.5% for definition 1 and 44.1%, 74.6%, 71.9%, and 47.5% at the 29.7pg cut-off for definition 2. Conclusion: Ret-He had low diagnostic accuracy for ID diagnosis in former VPI. Caution is advised when using Ret-He alone for ID diagnosis. Further research is needed to establish optimal approaches for identifying ID in VPI.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».