Sensitivity and Specificity of Computerized Algorithms to Classify Gestational Periods in the Absence of Information on Date of Conception
Notice bibliographique
Résumé
To evaluate the accuracy of computerized algorithms for pinpointing periods of exposure to medications during pregnancy in the absence of data on timing of conception, the authors used data from a population-based sample of nonmalformed infants in the Slone Epidemiology Center Birth Defects Study in 1998-2006 (United States and Canada; N = 3,177). The standard was defined as any antiinfective use from 2 weeks after the last menstrual period through the third gestational month, which was compared with results obtained after defining the beginning of pregnancy as either 270 days before the birth date (delivery-date algorithm) or the date of the first prenatal visit (pregnancy-indicator algorithm). The sensitivity was 92% (95% confidence interval: 88, 95) for the delivery-date algorithm and 59% (95% confidence interval: 53, 65) for the pregnancy-indicator algorithm. The specificity was higher than 98% for both algorithms. The sensitivity for the delivery-date algorithm among women with preterm births was 66% (95% confidence interval: 49, 80). For women without pregnancy complications, subtraction of 270 days from the delivery date might be accurate for timing first-trimester prescription drug use in automated databases. However, the sensitivity of this algorithm is lower for preterm deliveries, suggesting limited validity to assess drug safety for pregnancy outcomes associated with prematurity.
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 | 0,005 | 0,003 |
| 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 | 0,001 |
| 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 ».