A call to bridge the diagnostic gap: diagnostic solutions for neonatal sepsis in low- and middle-income countries
Notice bibliographique
Résumé
The first month of life is the most critical period for an infant’s survival, yet the most neglected for the provision of quality care. Each year, an estimated 2.3 million neonates die in their first month of life. 1 Sepsis alone is responsible for 7.3% of all neonatal deaths worldwide, with a significant burden falling on low- and middle-income countries (LMICs).2 While there remains an ongoing debate regarding the definition of neonatal sepsis, it is broadly described as a suite of non-specific signs that may include fever or hypothermia, respiratory distress, cyanosis and apnoea, feeding difficulties, lethargy or irritability, hypotonia, seizures, bulging fontanelle, poor perfusion, bleeding problems, abdominal distention, hepatomegaly, unexplained jaundice or more importantly ‘just not looking right’.3
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 | 0,040 | 0,111 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,008 |
| Communication savante | 0,014 | 0,025 |
| Science ouverte | 0,005 | 0,018 |
| Intégrité de la recherche | 0,028 | 0,037 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,049 | 0,015 |
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 ».