Validation of the Drug Abuse Screening Test (DAST-10): A study on illicit drug use among Chinese pregnant women
Notice bibliographique
Résumé
We assessed the Chinese version of the Drug Abuse Screening Test (DAST-10) for identifying illicit drug use during pregnancy among Chinese population. Chinese pregnant women attending their first antenatal visit or their first unbooked visit to the maternity ward were recruited during a 4-month study period in 2011. The participants completed self-administered questionnaires on demographic information, a single question on illicit drug use during pregnancy and the DAST-10. Urine samples screened positive by the urine Point-of-Care Test were confirmed by gas chromatography-mass spectrometry. DAST-10 performance was compared with three different gold standards: urinalysis, self-reported drug use, and evidence of drug use by urinalysis or self-report. 1214 Chinese pregnant women participated in the study and 1085 complete DAST-10 forms were collected. Women who had used illicit drugs had significantly different DAST-10 scores than those who had not. The sensitivity of DAST-10 for identify illicit drug use in pregnant women ranged from 79.2% to 33.3% and specificity ranged from 67.7% to 99.7% using cut-off scores from ≥ 1 to ≥ 3. The ~ 80% sensitivity of DAST-10 using a cut-off score of ≥ 1 should be sufficient for screening of illicit drug use in Chinese pregnant women, but validation tests for drug use are needed.
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 | 0,004 | 0,004 |
| 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 | 0,000 |
| 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 ».