P.039 Informing treatment advancement and innovation in a tertiary care neurocritical care (NCC)) program
Notice bibliographique
Résumé
Background: Children with neurological injuries/insults carry the highest risk of death and disability in Pediatric and Neonatal ICUs. These patients comprise 25-30% of admissions and have a myriad of diagnoses. Longitudinal outcome data is required to inform treatment effects and innovation strategies. NCC at the Alberta Children’s Hospital (ACH) participates in acute, subacute, and long-term/outpatient management with an aim to use comprehensive clinical data to improve outcomes. Methods: A prospective, longitudinal, population-based observational cohort study of NCC patients from local NICUs, PICU, and a NCC follow-up program, with comprehensive data from clinical records, development scores and QoL assessments. Results: Since 2019, 929 patients have been enrolled including: 407 neonates, 167 infants, 106 preschool-age and 100 school-age children, and 152 adolescents. The most common reasons for NCC consult were paroxysmal events (36%), encephalopathy (27%) and neonatal HIE (20%). Conclusions: Our database encapsulates the diverse nature of NCC patients and has enabled cohort-specific studies (e.g., neonatal HIE and ECLS outcomes). Program evolution will further facilitate higher powered research studies through large enrollment, comprehensive data capture (with a provincial EHR), and longitudinal outcomes. Engagement with staff and families will also inform treatment and afford evidence-based counseling to families.
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 | 0,007 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,019 | 0,001 |
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.
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 ».