MétaCan
Menu
Retour à la cohorte
Enregistrement W4412786032 · doi:10.2196/75057

Growth and Development Status of Children Post–COVID-19 Infection: Cross-Sectional Questionnaire Study

2025· article· en· W4412786032 sur OpenAlexvenueno aff
Herlina Febrianti, Dessie Wanda, Efa Apriyanti

Notice bibliographique

RevueAsian/Pacific Island Nursing Journal · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInfant Development and Preterm Care
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCross-sectional studyMedicineCoronavirus disease 2019 (COVID-19)PediatricsInternal medicineDiseasePathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: COVID-19 may impact children's growth and development, potentially leading to various health issues. Objective: This study aimed to identify factors associated with the growth and development status of children under 5 years of age after COVID-19 infection. Methods: This cross-sectional study included 292 children under five years of age assessed after COVID-19 infection. All participants had negative results via polymerase chain reaction (PCR) test and were hospitalized at a type A hospital in Jakarta between July 2021 and December 2022. Participants were selected using purposive sampling techniques. Results: Male sex and the age group of 25-36 months were significantly associated with growth status. The most dominant factor associated with child development was the presence of comorbidities. Conclusions: This study recommends improving hospital discharge planning and strengthening community health services to support children's growth and development after discharge.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,013
Score d'incertitude au seuil0,707

Scores Codex et Gemma par catégorie

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

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 Opus0,012
Tête enseignante GPT0,311
Écart entre enseignants0,299 · 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 tête enseignante, 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian/Pacific Island Nursing JournalMême sujetInfant Development and Preterm CareTravaux en français237 207