Improving customized fetal biometry by longitudinal modelling
Notice bibliographique
Résumé
OBJECTIVE: To develop customized biometric charts to better define abnormal fetal growth. METHODS: A total of 1056 singleton fetuses from the Raine Study underwent serial ultrasound biometry (abdominal circumference [AC], head circumference, and femur length) at 18, 24, 28, 34, and 38 weeks' gestation. Customized biometry trajectories were developed adjusting for epidemiological influences upon fetal biometry using covariates available at 18 weeks gestation. Prediction accuracy (areas under the receiver operating characteristic curve [AUC] and 95% confidence interval [95%CI]) was evaluated by repeated random sub-sampling cross-validation methodology. RESULTS: The model for derived estimated fetal weight (EFW) performed well for EFW less than 10th predicted percentile (AUC = 0.695, 95%CI, 0.692-0.699) and EFW greater than 90th predicted percentile (AUC = 0.705, 95%CI, 0.702-0.708). Fetal AC was also well predicted for growth restriction (AUC = 0.789, 95%CI, 0.784-0.794) and macrosomia (AUC = 0.796, 95%CI, 0.793-0.799). Population-derived, sex-specific charts misclassified 7.9% of small fetuses and 10.7% of large fetuses as normal. Conversely, 9.2% of those classified as abnormally grown by population-derived charts were considered normal by customized charts, potentially leading to complications of unnecessary intervention. CONCLUSIONS: Customized fetal biometric charts may offer improved ability for clinicians to detect deviations from optimal fetal growth and influence pregnancy management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».