Evaluation of the accuracy of self-reported smoking in pregnancy when the biomarker level in an active smoker is uncertain
Notice bibliographique
Résumé
INTRODUCTION: Our main objective was to estimate smoking prevalence as well as sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV) of self-reported smoking among pregnant women in Edmonton, Canada, at 15-16 weeks of gestation. METHODS: We used serum samples to assemble a cohort of pregnant women who underwent an optional second-trimester screening for chromosomal and developmental anomalies. We determined cotinine concentrations for 92 self-reported smokers (11% of the cohort) and for 285 self-reported nonsmoking mothers, using adapted urinary cotinine assay. Self-reports were collected at the time of delivery. In a validation study, serum cotinine was determined for known smokers and nonsmokers and used, within a Bayesian statistical framework, to define the distribution of cutoffs that differentiate true smokers from nonsmokers. This distribution of cutoffs was used to construct multiple two-by-two tables to obtain the distribution of sensitivity, specificity, PPV, NPV, and prevalence. RESULTS: Sensitivity was poor (M = 47.4%, SD = 17.3%), but specificity was nearly perfect (M = 94.9%, SD = 1.1%). PPV (M = 66.6%, SD = 11.7%) was smaller than NPV (M = 84.7%, SD = 14.3%). In our sample, the prevalence of true smoking at 15-16 weeks of gestation was described by a skewed distribution with a mean of 21.6% (SD = 13.8%) and a median of 16.6%. DISCUSSION: The strength of the present study includes blinding of subjects to the intention to test their sera for a biomarker of smoking. A limitation was the use of a nonrandom sample restricted to pregnancies that resulted in live births. We discuss data collection methods that would elicit more accurate smoking histories from pregnant women.
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 | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».