Regional variations in retinopathy of prematurity incidence for preterm infants <32 weeks’ gestation in China
Notice bibliographique
Résumé
OBJECTIVES: National-level data on the incidence of retinopathy of prematurity (ROP) in different regions of China is insufficient. This study aimed to compare ROP incidences and care practices in different regions of China and their relationship with regional gross domestic product (GDP) per capita. STUDY DESIGN: Retrospective cohort study. METHODS: All infants born at <32 weeks gestational age (GA) and admitted to 70 neonatal intensive care units (NICUs) from January 1, 2019, to December 31, 2020, were enrolled. Hospitals were categorised into three regional groups according to geographical locations and GDP per capita from high to low: Eastern, Central, and Western China. The incidence of death or ROP, and care practices were compared among the groups. RESULTS: A total of 18,579 infants were enrolled. Median GA was 29.9 (interquartile range 28.4-31.0) weeks and birth weight was 1318.1 (317.2) g. The percentage of GA <28 weeks, complete administration of antenatal steroids, and weight gain velocity during NICU stay were highest in Eastern China and lowest in Western China (all P < 0.01). In Eastern, Central, and Western China, the rates of death or any stage of ROP were 33.3%, 38.5%, and 39.2%, respectively (P < 0.01). CONCLUSIONS: There were considerable regional disparities in ROP incidence in preterm infants with GA <32 weeks in China. The incidence of death or ROP ranged from high to low in Western, Central, and Eastern China.
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 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 | 0,004 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».