Laser ablation of placental anastomoses in twin‐to‐twin transfusion syndrome: preoperative predictors of death by recursive partitioning
Notice bibliographique
Résumé
OBJECTIVE: The aim of this study was to develop a simple clinical algorithm for prediction of donor and recipient death using 'yes'or 'no' questions through the process of recursive partitioning for patients undergoing laser therapy for twin to twin transfusion syndrome (TTTS). The intent was to identify a subset of patients with very high specificity to whom clinical decisions would be simplified. METHOD: Secondary analysis of data retrospectively collected from laser procedures was performed for TTTS at NAFTNet centers from 2002 to 2009. Preoperative factors associated with donor and recipient death were identified by recursive partitioning regression analysis. Classification And Regression Trees (CARTs) were developed to refine specificity for prediction of death. RESULTS: There were 466 TTTS patients from eight centers. CARTs were obtained for prediction of donor death. Improved specificity was achieved through recursive partitioning as demonstrated in receiver operator characteristic curves for prediction of death of the donor. There was less than optimal predictive ability for prediction of death in the recipient, as demonstrated by lack of generation of CARTs. CONCLUSION: Recursive partitioning improves the specificity and refines the prediction of donor fetal and neonatal demise in TTTS treated with laser therapy. This has the potential to improve therapeutic choices and refine counseling regarding 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».