MétaCan
Menu
Retour à la cohorte
Enregistrement W4394571039 · doi:10.1177/09732179241234181

Timing and Substrate of Enteral Feeding as Risk Factors for Developing Retinopathy of Prematurity

2024· article· en· W4394571039 sur OpenAlexaboutno aff
Ann Anderson‐Berry, Yinxi Yu, Melissa Thoene, Gui‐Shuang Ying, Lauren A. Tomlinson, Gil Binenbaum

Notice bibliographique

RevueJournal of Neonatology · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinopathy of Prematurity Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRetinopathy of prematurityEnteral administrationMedicineIntensive care medicineParenteral nutritionPediatricsBiologyGestational agePregnancy

Résumé

récupéré en direct d'OpenAlex

Objective Enteral feeding has advantages over parenteral nutrition, so the objective is to evaluate the effects of timing and substrate of enteral feeding on the risk of developing retinopathy of prematurity (ROP). Study Design Retrospective cohort study of 7,483 premature infants undergoing ROP examinations at 29 North American and Canadian hospitals, 2006–2012 (The G-ROP Study). Multivariable regression evaluated associations between enteral feeding by week of life and any or severe ROP, adjusting for birth weight and gestational age. Results 3,224 (43.1%) had ROP and 931(12.4%) severe ROP. Compared to no enteral feeding , any enteral feeding was independently protective for ROP in all weeks 1–6; odds ratios 0.50–0.74 ( P < .0001 to P < .02) for any ROP and 0.43–0.59 ( P < .02 to P = .0001) for SEVERE ROP. Conclusion In this cohort, any substrate of enteral feeding during each of the first SIX weeks of life was associated with lower odds of ROP and severe ROP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,251
Score d'incertitude au seuil0,443

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,324
Écart entre enseignants0,290 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of NeonatologyMême sujetRetinopathy of Prematurity StudiesTravaux en français237 207