Predicting death and survival without major morbidity for extremely preterm infants using information on hospital admission: a multicenter cohort study
Notice bibliographique
Résumé
Background: Accurate prediction of outcomes for extremely preterm infants (EPIs) during the early stage is important to assist clinicians and parents in making decisions. This study aimed to develop and validate models for predicting mortality and survival without major morbidity for EPIs using information available on neonatal intensive care units (NICUs) admission. Methods: weeks' gestation were included in China. Two predictive models were generated separately to predict mortality and survival without major morbidity at discharge. Potential predictors were identified if they had a well-established association with neonatal outcomes in literatures and could be easily obtained on NICU admission, including gestational age, birth weight, sex, inborn, antenatal steroids, 5-min Apgar score, and invasive ventilation on admission. Logistic regression was employed to develop the models. Model performance was assessed via area under the curve (AUC). Results: Among 2,438 EPIs in the development cohort, the mortality rate was 17.7% (431/2,438) and the rate of survival without major morbidity was 52.5% (1,281/2,438). Among the 5,045 infants in the validation cohort, 9.2% (463/5,045) died, and 59.1% (2,981/5,045) survived without major morbidity. Gestational age, birth weight, invasive ventilation on NICU admission, antenatal steroids use, and 5-min Apgar score were selected as predictors in the mortality model, yielding the AUC of 0.77 [95% confidence interval (CI): 0.75-0.79]. For the survival without major morbidity model, predictors were gestational age, birth weight, invasive ventilation on NICU admission, sex, and 5-min Apgar score, and the AUC was 0.72 (95% CI: 0.70-0.74). The validation cohort resulted in AUCs of 0.76 (95% CI: 0.73-0.78) and 0.70 (95% CI: 0.68-0.71) for the mortality and survival without major morbidity models, respectively. Conclusions: Using commonly available predictors on NICU admission including gestational age, birth weight, invasive ventilation on NICU admission, antenatal steroids use, sex, and 5-min Apgar score, we successfully developed and validated two distinct models with acceptable performance, predicting mortality and survival without major morbidity for EPIs.
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 | 0,001 |
| 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 ».