MétaCan
Menu
← Retour à la cohorte
Enregistrement W7162033569 · doi:10.82308/1995

Validity of a screening survey tool to identify neonates at high risk for vitamin D deficiency

2019· dissertation· en· W7162033569 sur OpenAlexaboutno aff
Sharina Patel

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueVitamin D Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVitamin deficiencyvitamin D deficiencyMedical screeningVitamin D and neurologyInfant nutrition

Résumé

récupéré en direct d'OpenAlex

Au Canada, de nombreux nourrissons naissent avec des réserves de vitamine D faibles, ce qui les expose à un risque de complications telles que le rachitisme, s'ils ne sont pas traités. Il n'y a aucun programme de dépistage des nouveau-nés pour le déficit en vitamine D. Identifier les nourrissons à haut risque peut faciliter une éducation ciblée des parents sur la supplémentation pour les nourrissons. Cependant, aucun outil de dépistage est disponible. L'objectif était de développer et de tester la validité d'un outil d'enquête de dépistage permettant d'identifier les nouveau-nés présentant un risque élevé de carence en vitamine D (25-hydroxyvitamine D (25(OH)D) <30 nmol/L). Des couples mère-enfant en bonne santé (n = 1 112) ont été recrutés à l'Hôpital Général du Lakeshore, à Montréal, de mars 2016 à mars 2019. Une enquête sur les facteurs liés à la démographie et au mode de vie a été réalisée. Des échantillons de sang de nouveau-né, recueillis moins de 36 h après la naissance, ont été soumis à un test de sérum 25(OH)D (Liaison, Diasorin Inc.). La validité du contenu était basée sur 21 facteurs de risque connus. Des modèles de régression logistique ont été utilisés pour identifier les variables clés associées au risque de faibles concentrations néonatales de vitamine D. Les courbes ROC (Receiver Operating Characteristic) ont été utilisées pour démontrer la sensibilité et la spécificité de l'outil de dépistage par rapport au statut connu en vitamine D. Les mères (âgées de 32.4 ± 4.5 ans) étaient en majorité blanches (58%) et 57% avaient un indice de masse corporelle (IMC) avant la grossesse dans la plage des valeurs saines (18.5-24.9 kg/m2). La concentration sérique moyenne en 25(OH)D néonatal était de 44.5 ± 19.9 nmol/L, avec 23% (IC 95% 0.20, 0.25) inférieure à 30 nmol/L. Six des 21 facteurs de risque existants évalués prédisaient davantage le statut néonatal en vitamine D bas (P <0.05). Ces facteurs de risque (âge maternel à l'accouchement <26.0 ans, IMC <18.5 ou ≥25 kg/m2 avant la grossesse, couleur de la peau non blanche, consommation de supplément prénatal <2-3 fois par semaine avant ou pendant la grossesse et accouchement d'octobre à avril) peuvent être facilement évalués à partir des dossiers hospitaliers. Les coefficients de régression pour chaque facteur de risque ont été transformés en scores entiers. La moyenne des scores totaux a été considérée comme le score limite pour les nouveau-nés présentant un risque élevé de carence en vitamine D. L'outil de dépistage avait une sensibilité de 68.8% et une spécificité de 70.0%. L'aire sous la courbe ROC était de 0.712 (IC à 95% 0.679, 0.745; p <0.001). Cet outil d'enquête de dépistage, composé de 6 questions faciles à évaluer, a permis de bien identifier les nouveau-nés présentant un risque élevé de carence en vitamine D. Cependant, des recherches supplémentaires sont nécessaires pour affiner et valider cet outil de dépistage dans d'autres populations avant de pouvoir l'utiliser en pratique clinique

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,030
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut 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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,077
Score d'incertitude au seuil0,157

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0300,078
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,058
Tête enseignante GPT0,384
Écart entre enseignants0,326 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreMéthodes

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
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetVitamin D Research Studies→Travaux en français237 207→