Introducing PELICAN: A new resource for understanding lung function trajectories in survivors of preterm birth
Notice bibliographique
Résumé
<bold>Background:</bold> Existing cohort studies suggest infants born preterm (before 37 weeks’ gestation) are vulnerable to lung disease, which may be progressive over their lifespan. However, small sample sizes and high heterogeneity in individual studies have limited a thorough understanding of lung function trajectories, and the factors associated with both resiliant and adverse trajectories. We aimed to establish the world’s first harmonised global repository for lung health data from cohorts of survivors of preterm birth to generate greater statistical power and enable use of robust methods, expediting our understanding of lung health trajectories after preterm birth. <bold>Methods:</bold> PELICAN (Prematurity’s Effect on the Lungs In Children and Adults Network), was formed as a ERS Clinical Research Collaboration in 2020, with a work package to bring together data from multiple cohort studies. Datasets were identified following three systematic literature searches. A consensus-based variable selection and data harmonisation exercise was undertaken to determine data for inclusion. A secure, online data collection portal opened for contributions in 2022. <bold>Results:</bold> As of February 2025, the PELICAN repository contains data from 14 cohort studies, representing 10 countries and 2627 survivors of preterm birth (gestation range 22-37 weeks), including 952 with bronchopulmonary dysplasia. The PELICAN dataset has a mean (range) number of follow up visits of 1.8 (1-6). <bold>Conclusions:</bold> PELICAN presents a unique opportunity to fill key evidence gaps in the long-term respiratory outcomes of survivors of preterm birth, essential for guiding follow-up and early intervention for those at risk of poorer outcomes.
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 | 0,013 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 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 ».