Do Birthweight‐For‐Gestational Age Centiles Predict Serious Neonatal Morbidity and Neonatal Mortality?
Notice bibliographique
Résumé
BACKGROUND: Studies show that foetal and birthweight-for-gestational age centiles are poor predictors of serious neonatal morbidity and neonatal mortality (SNMM) in univariable models. OBJECTIVE: We assessed the predictive performance of multivariable SNMM models based on maternal/pregnancy characteristics, with and without birthweight centiles. METHODS: The study was based on all live births in the United States, 2019-2021, with data obtained from the period live birth-infant death files of the National Center for Health Statistics. SNMM was defined as any one or more of the following: 5-minute Apgar score < 4, seizures, assisted ventilation for> 30 or neonatal death. SNMM was modelled by log-linear regression on maternal/pregnancy characteristics as predictors, with and without birthweight centiles. Models were developed for live births at 24-42 weeks' and 39 weeks' gestation to all women and those with hypertensive disorders or pre-existing diabetes. Model performance was assessed using area under the curve (AUC). RESULTS: The study population included 10,487,243 live births and 221,728 SNMM cases (2.1 per 100 live births). The models with all live births at 24-42 weeks' gestation had AUCs of 0.83 (95% confidence interval [CI] 0.82, 0.83) based on maternal/pregnancy characteristics and 0.83 (95% CI 0.83, 0.84) based on maternal/pregnancy characteristics and birthweight centiles. However, AUCs of models based on all live births at 39 weeks' gestation were 0.66 (95% CI 0.64, 0.68) with maternal/pregnancy characteristics and 0.69 (95% CI 0.68, 0.71) with maternal/pregnancy characteristics and birthweight centiles. AUCs of the models with live births at 39 weeks' gestation to women with pre-existing diabetes were 0.69 (95% CI 0.66, 0.72) based on maternal/pregnancy characteristics, and 0.77 (95% CI 0.74, 0.79) with the addition of birthweight centiles. CONCLUSIONS: Birthweight centiles improve multivariable SNMM predictive performance in specific subpopulations, although evaluation of decision thresholds is required to determine the clinical importance of improvement in predictive ability.
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 | 0,002 |
| 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 | 0,001 |
| 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 ».