Twin–twin transfusion syndrome: a frequently missed diagnosis with important consequences
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the incidence and consequences of 'misdiagnosed' cases of twin-twin transfusion syndrome (TTTS). METHODS: Chorionicity and referral diagnoses were reviewed in pregnant women with monochorionic twin pregnancies complicated by TTTS treated with fetoscopic laser ablation. 'Misdiagnosed' cases, defined as failure to correctly identify chorionicity and/or to diagnose TTTS prior to referral, were compared with cases in whom chorionicity and TTTS were diagnosed correctly. TTTS stage, gestational age at referral, overall survival, fetal and perinatal mortality, gestational age at delivery, operating time and maternal complications were compared. RESULTS: Failure to identify monochorionicity and/or TTTS was observed in 33% (107/323) of referrals to our center. Compared with cases in whom chorionicity and TTTS were correctly diagnosed, misdiagnosed patients were referred at a more advanced stage of disease (Stage IV TTTS: 16.8% vs 7.9%, P = 0.014) and later in pregnancy (gestational age at laser: 20.9 weeks vs 20.1 weeks, P = 0.018). They also delivered more prematurely (30.3 weeks' gestation vs 31.5 weeks' gestation, P = 0.04) and fetal and neonatal mortality were higher (neonatal death within 7 days: 19.6% vs 6.0%, P < 0.001). When the diagnosis was incorrect, major maternal complications and intensive care unit admissions were increased. CONCLUSIONS: Poor recognition of chorionicity in the first trimester of pregnancy might lead to inadequate ultrasound follow up (failure to assess every 2 weeks) and patient education. Early accurate recognition of both chorionicity and TTTS, with timely referral to a fetal therapy center, are key to ensuring optimal maternal and fetal 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 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».