Repeated measurement of pregnancy‐associated plasma protein‐A (PAPP‐A) in Down syndrome screening: A validation study
Notice bibliographique
Résumé
OBJECTIVES: To confirm that measuring pregnancy-associated plasma protein-A (PAPP-A) in both first- and second-trimester serum samples improves Down syndrome screening. METHODS: We selected paired first- and second-trimester stored serum samples from 34 Down syndrome pregnancies (cases) and 514 unaffected pregnancies (controls) and tested the second-trimester samples for PAPP-A and dimeric inhibin-A (DIA). First-trimester PAPP-A measurements were already available, as were second-trimester measurements of alpha-fetoprotein, unconjugated estriol (uE3), and human chorionic gonadotrophin (hCG). RESULTS: PAPP-A was lower among cases than controls (0.47 MoM) in the first trimester (at an average of 12.5 weeks); in the second trimester, it was not different (0.91 MoM). Using repeated measures of PAPP-A alone, 21 of 34 cases were detected (62%, 95%CI 44% to 78%) with 5% false positives. At an observed 2% false-positive rate, the detection rates (DR) for the quadruple (69%) and serum integrated (69%) tests were lower than for the repeated measures test (75%). Modelled performance at 12 weeks was similar to these observed findings (70, 75, and 82%, respectively). If the first-trimester samples were collected at 10 weeks, however, DR would be higher (70, 81, and 91%, respectively). CONCLUSIONS: Adding a repeated measure of PAPP-A to existing serum markers improves Down syndrome screening to levels that are currently obtainable only by including ultrasound measurement of nuchal translucency (NT). Serum-based screening has the advantages of higher availability and reliability at a lower cost, resulting in a more effective screening strategy. A serum-based repeated measures test has a place in routine Down syndrome screening.
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 | 0,001 | 0,002 |
| 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 | 0,000 |
| 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 ».