Punctate White Matter Abnormality in Moderate‐to‐Late Preterm Infants
Notice bibliographique
Résumé
OBJECTIVE: Moderate-to-late preterm (MLP) infants contribute to the greatest proportion of preterm children with neurodevelopmental impairments. White matter injury (WMI) is common and predicts adverse outcomes in very preterm (VP) infants. However, little is known about white matter abnormality (WMA) in MLP infants. We investigated the burden and distribution of WMA in MLP infants. METHODS: MLP infants were recruited from a randomized trial on neonatal nutrition and a prospective observational cohort in New Zealand, and underwent brain magnetic resonance imaging (MRI) soon after birth and at term-equivalent age (TEA). WMA was manually segmented using an established method. Total and regional WMA volumes and percentage of WMA to total cerebral volume were calculated. Probabilistic WMA maps were generated and compared with WMI in VP infants and term infants with congenital heart disease. RESULTS: in WMA volume from early-life to term. Infants with and without WMA had mostly comparable pregnancy and neonatal characteristics. Probabilistic maps demonstrated a characteristic WMA topology, with most lesions in posterior followed by central and anterior regions. Trigonal areas were vulnerable across neonatal populations. INTERPRETATION: WMA is much more common in MLP infants than previously reported and occurs in a characteristic topology. WMA may be missed on TEA MRI, and its relationship with outcomes in MLP infants warrants attention. ANN NEUROL 2025;98:329-340.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 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 ».