Influence of ultrasound‐to‐delivery interval and maternal–fetal characteristics on validity of estimated fetal weight
Notice bibliographique
Résumé
OBJECTIVES: To explore the effects of ultrasound-to-delivery interval and maternal-fetal characteristics on the distribution of measurement error in estimated fetal weights (EFWs), and to determine the predictive ability of EFW for diagnosis of small-for-gestational age (SGA) and large-for-gestational age (LGA) among infants delivered within 1 day of an ultrasound examination. METHODS: Percentage differences between EFW and birth weights were calculated in 3697 pregnancies. Linear regression was used to compare the accuracy of EFW for births on each of the 6 days after an ultrasound scan with the accuracy observed among births on the same day. The sensitivity, specificity, positive predictive value (PPV) and negative predictive value for diagnosis of SGA and LGA according to EFW was assessed. RESULTS: The mean +/- SD percentage difference among deliveries within 1 day of the last ultrasound scan was 0.2 +/- 9.0%. Mean percentage differences were not significantly different from day 0 on days 1, 2 and 3; however, combining the data from these 4 days obscured a slight bias towards an overestimation of weight evident on day 0 and day 1. Among deliveries within 1 day of an ultrasound scan, the PPV was 61% for SGA diagnosis and 54% for LGA diagnosis. CONCLUSION: Combining data from births > 1 day after the last ultrasound examination may lead to a false conclusion that there is systematic underestimation of weight. EFW tended to underestimate the weight of macrosomic fetuses and overestimate that of small fetuses which limited sensitivity and PPV. Maternal-fetal characteristics are weak predictors of individual errors in EFW.
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 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».