The Third Epidemic of Blindness: Early ROP Screening vs. KIDROP Conventional Screening of Retinopathy of Prematurity in Neonates- A Prospective Cohort Study
Notice bibliographique
Résumé
Aim: To assess the benefits of initiating early Retinopathy of Prematurity (ROP) screening compared to conventional KIDROP screening and study the incidence, severity, and risk factors of ROP. Methods: Preterm neonates born with weight < 2000 g and/or < 36 weeks of gestation admitted to the Level III-A neonatal intensive care unit (NICU), BLDE (Deemed to be University), Shri B. M. Patil Medical College, Hospital and Research Centre, were enrolled in the study. The in-house retina specialist performed Early ROP screening at 10-14 days of life, depending on the gestational age at birth. Subsequently, KIDROP conventional screening was done at 3 to 6 weeks of life by the Karnataka Internet Assisted Diagnosis for Retinopathy of Prematurity (KIDROP) team once weekly. ROP findings were recorded as per the standard ICROP norms. The data was analyzed for gestational age, birth weight, and systemic factors predisposing to ROP. Results: The incidence of Early ROP was 14% (7/50). Of the neonates diagnosed with ROP, 43% had a gestational age of < 30 weeks, and 86% had birth weight in the group 1000- 1500 g. The incidence of type 1 ROP is 28.5% (2/7). The significant predictors of the increased risk of ROP were birth weight, gestational age, prolonged oxygen therapy, synchronized intermittent mandatory ventilation (SIMV), sepsis, patent ductus arteriosus (PDA), and nutrition, including MOM & Parenteral Nutrition. Conclusion: Early enrolment of neonates for ROP screening in the NICU itself ensures early diagnosis and timely intervention and also ensures compliance and routine follow-up of these neonates. 14% had early ROP, which suggests the need to redefine the ROP screening criteria.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».