Supportive Care for Common Conditions in Small Vulnerable Newborns and Term Infants: The Evidence
Notice bibliographique
Résumé
INTRODUCTION: Small vulnerable newborns (SVNs) are at an increased risk of early death and other morbidities. Essential interventions provided to SVN, and other high-risk newborns have been proven critical in improving their outcomes. We aimed to provide an update on the effectiveness and safety of these interventions in low- and middle-income countries (LMICs). METHOD: Following a comprehensive literature scope, we updated or reanalyzed LMIC-specific evidence for essential SVN care interventions. RESULTS: A total of 113 individual LMIC studies were identified. Most of them were of high risk of bias. Kangaroo mother care significantly reduced SVN's mortality by discharge. Early erythropoiesis stimulating agent lowered SVN's risk of receiving blood transfusion. Prophylactic oral or intravenous ibuprofen resulted in a decreased risk of patent ductus arteriosus in SVN. But it did not have a significant effect on mortality and led to a higher risk of gastrointestinal bleeding. No pooled LMIC data were available for universal screening of hyperbilirubinemia in high-risk newborns. Sunlight therapy had no effect in treating hyperbilirubinemia but increased the risk of hyperthermia. Reflective curtains with phototherapy resulted in a greater and faster decline in bilirubin than standard phototherapy in treating hyperbilirubinemia. Early child development interventions were shown to have a favorable effect on cognitive and motor scores in SVN. The evidence for family involvement and family support was limited and uncertain. CONCLUSION: We present the most updated LMIC evidence for interventions targeting SVN. Despite their effectiveness and safety in improving certain neonatal outcomes, further high-quality trials are required.
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 | 0,000 | 0,000 |
| 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 ».