Prédiction du retard de développement chez le nourrisson né entre 29 et 36 semaines de gestation : utilité du Hammersmith Infant Neurological Examination
Bibliographic record
Abstract
Introduction Les enfants nés entre 29 et 36 semaines de gestation (PT) représente 90% des naissances prématurées au Canada. De ces enfants, 25 à 45% présenteront un retard de développement (RD) à 2 ans d’âge corrigé (AC). Une prise en charge précoce permettrait d’optimiser leur développement et leur qualité de vie. Le Hammersmith Infant Neurological Examination (HINE), un outil d’évaluation neurologique, pourrait être utilisé pour l’identification précoce des PT les plus à risque de RD. Il est couramment utilisé pour le diagnostic de la paralysie cérébrale et certaines études suggèrent une relation entre ses résultats et le développement à long terme. Sa capacité à prédire des RD (moteur, cognitif, langagier) n’a pas été validée chez les PT. Objectif Examiner l'association entre le score total au HINE à 3,5 mois AC et le développement à 2 ans AC chez les PT. Méthode Le HINE a été administré à 3,5 mois AC. Le développement a été évalué à 2 ans AC avec le Bayley-4 et le MacArthur-Bates. Les associations ont été calculées avec des régressions linéaires. Résultats 174 enfants ont été inclus dans les analyses. Aucune association n'a été trouvée entre le score total au HINE et les scores développementaux de motricité (Bayley-4 : β=0,17, 95% CI -0,17-0,52), cognition (Bayley-4 : β=-0,07, 95% CI -0,47-0,34) ou langage (Bayley-4 : β=-0,06, 95% CI -0,7-0,58 ; MacArthur : β=-0,37, 95% CI -1,33-0,59). Conclusion Le score total au HINE à 3,5 mois AC n'est pas associé au développement à 2 ans AC chez les PT.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".