P14.11: Patient factors affecting the quality of routine second trimester obstetrical ultrasound images
Notice bibliographique
Résumé
To determine patient factors that affect US image quality, including the use of skin creams. This is a prospective observational study with institutional ethics approval. Women presenting for routine second trimester US scan were invited to complete a survey concerning their age, height, weight, ethnicity, previous abdominal surgery, and if skin cream was used on their abdomen, the frequency, last application and duration of use. Standard images from each case (BPD, cerebral ventricles, four chamber heart and abdominal circumference) were rated separately on a score of 1–5 (5-best) by two readers. Scoring was based on a previously agreed upon template. The readers were blinded to the patients' information. The average of the two readers' scores was calculated for each patient. Statistical analyses involved T-test, Spearman's rank correlation, intraclass correlation coefficient (ICC) and multiple regression analysis. Between Dec. 30, 2003 and Feb. 4, 2004, we studied 92 women. Median maternal age was 32.3 years; median gestational age 19.2 weeks (17.6–23.9); median body mass index (BMI) 22.5 (15.0–40.9); 69 women (75%) used skin cream; 15 (16%) had lower abdominal surgery; and 74 (80%) were “white”. The average US score was 2.4. There was substantial agreement between the two readers (ICC = 0.75). In univariate analyses, US score was associated negatively with BMI (rank correlation = − 0.6; p < 0.0001) and previous surgery (P = 0.03) and positively with skin cream use (P = 0.004). In multiple regression analysis, statistically significantly higher US scores were seen with low BMI (p < 0.01); and “white” ethnicity (P = 0.02). Skin cream use, previous surgery and gestational age were not significant predictors of US score. Those with lower BMI were more likely to use creams. BMI and ethnicity were significant predictors of US image quality score. Adjusting for BMI, skin creams did not appear to significantly affect US quality.
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 | 0,010 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».