MétaCan
Menu
← Retour à la cohorte
Enregistrement W4403683663 · doi:10.1093/pch/pxae067.072

73 Predictors of neurodevelopmental impairment in extreme preterm infants with unremarkable cranial ultrasound: A Canadian population-based cohort

2024· article· en· W4403683663 sur OpenAlexaboutno aff
Jehier Afifi, Lindsay L. Richter, Seungwoo Lee, Prakesh Shah, Kamini Raghuram, Karen A. Thomas, Amit Mukerji, Anie Lapointe, Alyssa Morin, Walid El‐Naggar

Notice bibliographique

RevuePaediatrics & Child Health · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineCohortPediatricsPopulationCohort studyInternal medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Abstract Background Extreme preterm infants are at high-risk of brain injury and neurodevelopmental impairment (NDI). Previous studies reported significant NDI (sNDI) in preterm infants with no abnormalities on routine cranial ultrasound screening (CUS), traditionally perceived to have favorable outcomes. Recent data from population-based outlining clinical predictors of sNDI in those infants are lacking. Objectives (1) to describe the incidence, perinatal and neonatal characteristics of NDI and sNDI in a large population-based cohort of extreme preterm infants with unremarkable CUS; (2) to develop a prediction model of sNDI (any of: CP ≥ GMFCS stage 3, Bayley III < 70 in any domain, deafness requiring aids, or bilateral blindness) in those infants. Design/Methods A retrospective review of a national cohort of preterm infants born at <29 weeks’ gestation between April 2009 and December 2018. We included surviving infants with unremarkable routine CUS (no hemorrhage, periventricular leukomalacia or ventricular dilatation) who had neurodevelopmental assessment at 18-24 month corrected age at one of participating centres in the Canadian Neonatal Follow Up Network. We compared the baseline characteristics between infants with no NDI and those with any NDI and sNDI. The population sample was then randomly split into training and testing datasets in 70:30 ratio for prediction model’s development and validation, respectively. Multivariate logistic regression with GEE accounting for clustering within site was used, adjusted for variables with p-value<0.1 using backward selection procedure. The AUC and the diagnostic properties of the model developed using training dataset was then validated in the testing dataset. Results Out of 7463 eligible infants, 4327 (58%) were included. Of those, 2501 (59%) had no NDI and 1736 (41%) had NDI. sNDI accounted for 14% of the cohort and one third of those with NDI. Perinatal and neonatal characteristics of the three groups are shown in Table 1. On internal validation, maternal hypertension, maternal level of education, gestational age, male sex, ROP≥ stage 3 and systemic steroids were predictive of sNDI (Table 2). The prediction model had Sensitivity 0.91, NPV 0.90, and AUC 0.69 (95% CI 0.64-0.73). Conclusion In this national cohort, 2 out of 5 extreme preterm infants with unremarkable CUS had NDI and 1 in 7 had sNDI. The developed prediction model had high sensitivity and NPV, but poor discrimination. The findings of this study can help clinicians to identify at-risk infants who may benefit from early targeted interventions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,039
Score d'incertitude au seuil0,078

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,234
Écart entre enseignants0,224 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePaediatrics & Child Health→Même sujetNeonatal and fetal brain pathology→Travaux en français237 207→