Development and preliminary validation of an indirect screener for drug use in the perinatal period
Notice bibliographique
Résumé
AIMS: This study sought to develop and begin validation of an indirect screener for identification of drug use during pregnancy, without reliance on direct disclosure. DESIGN: Women were recruited from their hospital rooms after giving birth. Participation involved (i) completing a computerized assessment battery containing three types of items: direct (asking directly about drug use), semi-indirect (asking only about drug use prior to pregnancy) and indirect (with no mention of drug use), and (ii) providing urine and hair samples. An optimal subset of indirect items was developed and cross-validated based on ability to predict urine/hair test results. SETTING: Obstetric unit of a university-affiliated hospital in Detroit. PARTICIPANTS: Four hundred low-income, African American, post-partum women (300 in the developmental sample and 100 in the cross-validation sample); all available women were recruited without consideration of substance abuse risk or other characteristics. MEASUREMENTS: Women first completed the series of direct and indirect items using a Tablet PC; they were then asked for separate consent to obtain urine and hair samples that were tested for evidence of illicit drug use. FINDINGS: In the cross-validation sample, the brief screener consisting of six indirect items predicted toxicology results more accurately than direct questions about drug use (area under the ROC curve = 0.74, P < 0.001). Traditional direct screening questions were highly specific, but identified only a small minority of women who used drugs during the last trimester of pregnancy. CONCLUSIONS: Indirect screening may increase the accuracy of mothers' self-reports of prenatal drug use.
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 ».