Predictors of Prenatal Screening for Fragile X Syndrome
Notice bibliographique
Résumé
Background: We sought to determine the uptake rate and predictors of acceptance of fragile X DNA molecular analysis among pregnant women who are offered this testing. Methods: We conducted a retrospective cohort study of pregnant patients who met with a genetic counselor in our Prenatal Diagnosis Center. The primary outcome was undergoing fragile X carrier screening. Hypothesized predictors included gestational age, insurance status, family history, the genetic counselor with whom the patient met, duration of the counseling session, and whether the patient underwent amniocentesis or chorionic villi sampling. Multivariate logistic regression was used to analyze the association between acceptance of testing and the aforementioned predictors, controlling for potential confounders. Results: Nine hundred forty-nine (17.3%) of 5,490 patients underwent fragile X screening. We observed significant variation in uptake by genetic counselor. Additionally, women who had Medical/Medicaid insurance (aOR: 1.99; CI: 1.63 - 2.43), or who had amniocentesis or chorionic villi sampling (aOR: 2.48; CI: 1.99 - 3.08) had increased odds of undergoing fragile X screening. Conclusions: Numerous factors that are reported in patients’ charts are associated with decisions to undergo fragile X DNA molecular diagnosis. Interestingly, modifiable factors including the patient’s genetic counselor and insurance status appear to have a significant impact on acceptance of fragile X screening. J Clin Gynecol Obstet. 2015;4(2):203-208 doi: http://dx.doi.org/10.14740/jcgo301w
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».