EP08.40: Determining the hospital costs of macrosomia after diabetes in pregnancy
Notice bibliographique
Résumé
To determine the influence of macrosomia on neonatal and maternal hospital resource utilisation following diabetes in pregnancy. This was a retrospective cohort of singleton pregnancies complicated by pre-existing diabetes at a regional maternity hospital (2011 to 2020). Primary exposure was macrosomia (birthweight above the 90 percentile for gestational age). A validated electronic hospital database was used to collate patient demographics, pregnancy complications, birth events, and neonatal outcomes. The main outcome was peripartum hospital resource utilisation for neonates and mothers as measured by length of hospital stay, intensive care unit admission, and resource intensity weight (RIW) - a proxy of healthcare costs. Descriptive and inferential statistics were used to evaluate the relationship between macrosomia and hospital resource utilisation. 1241 pregnancies were included (87.5% with type 2 diabetes). Incidence of macrosomia was 48.5%, including one-third with birthweights above the 97 percentile. Younger maternal age, multiparity, and cigarette smoking were more common in the macrosomia group. Significantly more newborns with macrosomia required NICU admission than compared to appropriately grown controls (42% vs 29%, p < 0.0001), despite no difference in gestational age at birth, Caesarean section, or other neonatal complications. Hospital stays were longer for neonates with macrosomia (10.7 days (SD 20.7) vs 8.4 days (SD 16.8), p = 0.036) and their mothers (4.4 days (SD 3.6) vs 3.8 days (SD 3.0), p = 0.0003), but there was no difference in resource intensity weights for those with macrosomia compared to diabetes alone (p = 0.726). Macrosomia confers an additional burden on hospital resources beyond diabetes in pregnancy alone. Better understanding of the hospital care required after macrosomia will improve allocation of limited healthcare resources and counselling of families experiencing this common pregnancy complication.
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 | 0,002 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».