Red Blood Cell Transfusion for Incidence of Retinopathy of Prematurity: Prospective Multicenter Cohort Study
Notice bibliographique
Résumé
Background: Retinopathy of prematurity (ROP) is a leading cause of visual impairment and blindness in preterm infants. Objective: This study sought to investigate the association between red blood cell (RBC) transfusion and ROP in very preterm infants (VPIs) to inform clinical strategies for ROP prevention and treatment. Methods: We designed a prospective multicenter cohort study that included VPIs and follow-up data from January 2017 to December 2022 at 3 neonatal clinical medicine centers. They were categorized into a transfusion group (infants who received an RBC transfusion within 4 wk) and a nontransfusion group. The relationship between RBC transfusion and ROP incidence was assessed using binary logistic regression, with subgroup analyses based on gestational age, birth weight, sex, and sepsis status. Inverse probability of treatment weighting and propensity score matching were applied to account for all potential confounding factors that could affect ROP development, followed by sensitivity analysis. Results: The study included 832 VPIs, including 327 in the nontransfusion group and 505 in the transfusion group. The transfusion group had a lower average birth weight and gestational age and a greater incidence of ROP, ≥stage 2 ROP, and severe ROP. Logistic regression analysis revealed that the transfusion group had a significantly greater risk of ROP (adjusted odds ratio [aOR] 1.70, 95% CI 1.14-2.53, P=.009) and ≥stage 2 ROP (aOR 1.68, 95% CI 1.02-2.78, P=.04) but not severe ROP (aOR 1.75, 95% CI 0.61-5.02, P=.30). The trend analysis also revealed an increased risk of ROP with an increasing number of transfusions and a larger volume of blood transfused (P for trend<.001). Subgroup analyses confirmed a consistent trend, with the transfusion group at a higher risk for ROP across all subgroups. Inverse probability of treatment weighting and propensity score matching analyses supported the initial findings. Conclusions: For VPIs, RBC transfusion significantly increases the risk of ROP, and the risk increases with an increasing number of transfusions and volume of blood transfused.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 |
| 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 ».