MétaCan
Menu
Retour à la cohorte
Enregistrement W2174114847 · doi:10.1002/uog.14959

OC02.02: Prediction of perinatal outcomes by third trimester fetal biometry and maternal characteristics

2015· article· en· W2174114847 sur OpenAlexaffabout
Q. Reboul, A. Delabaere, Yuquan Wu, Anne Monique Nuyt, William D. Fraser, Zhong‐Cheng Luo, Céline Chauleur, François Audibert

Notice bibliographique

RevueUltrasound in Obstetrics and Gynecology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiquePregnancy and preeclampsia studies
Établissements canadiensCentre Hospitalier Universitaire Sainte-JustineUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineObstetricsNeonatal intensive care unitApgar scoreFetal distressFetusProspective cohort studyPregnancyInternal medicinePediatrics

Résumé

récupéré en direct d'OpenAlex

To determine the role of third trimester fetal biometry with maternal characteristics to predict adverse perinatal outcomes. The IRNPQ/3D project was a multicentre prospective singleton cohort study in Canadian hospitals. We compared different screening methods based on third trimester fetal biometry: abdominal circumference z-score (AC) based on Hadlock curves (ACH) or Intergrowth 21st study curves (ACI), fetal weight estimation z-Score based on Hadlock formula (EFWH) and based on customised growth curves by Gardosi model (EFWG) as predictors of adverse perinatal outcome (APO). APO was defined by at least one of: stillbirth, neonatal death, Caesarean section for fetal distress, Apgar score less than 7 at 5 minutes and admission to neonatal intensive care unit. Multivariable regressions were done for each method with or without maternal characteristics in third trimester. A total of 2366 patients met the inclusion criteria and 264 (11%) with APO. APO was more frequent in patients who were nulliparous, used assisted reproduction, had a higher BMI, diabetes mellitus and a higher third trimester mean arterial pressure. Fetal biometry alone did not predict APO. When combined with maternal characteristics, prediction models improved with significant AUC (p < 0.0001): 0.643 for EFWG and 0.640 for CAH, CAI and EFWH. With the addition of maternal characteristics, the detection rate at 10% false positive rate increased from 13.3% to 20.6%, 13.3% to 20.6%, 12.4% to 22.8% and 11.0% to 20.6% for ACH, EFWH, EFWG and ACI, respectively. Fetal biometry is a poor predictor of APO and addition of maternal characteristics marginally improves the prediction. Sensitivities remain very low for routine screening and further studies are needed to test the addition of Doppler measurements and/or biological characteristics to predict perinatal 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,195
Score d'incertitude au seuil0,388

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,259
Écart entre enseignants0,239 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUltrasound in Obstetrics and GynecologyMême sujetPregnancy and preeclampsia studiesTravaux en français237 207