Prediction of Small for Gestational Age: Accuracy of Different Sonographic Fetal Weight Estimation Formulas
Notice bibliographique
Résumé
OBJECTIVE: To compare the accuracy of various sonographic estimated fetal weight (sEFW) formulas for the prediction of small for gestational age (SGA) neonates. METHODS: A retrospective analysis of 6,126 fetal biometrical measurements performed within 3 days of delivery. SGA prediction was evaluated for various sEFW formulas by calculating the sensitivity, specificity, positive/negative predictive value (PPV/NPV), likelihood ratio (+LR/-LR), overall accuracy and area under the receiver operating characteristic curve (AUC). Systematic error, random error, proportion of estimates >10% of birth weights, actual and absolute weight differences were compared between SGA and non-SGA neonates. RESULTS: Overall, 638 (10.4%) neonates were SGA. There was considerable variation among formulas in sensitivity (mean ± SD, 62 ± 14.4%; range, 32.4-91.2), PPV (72.5 ± 10.7%; 45.8-95.6) and +LR (24.2 ± 10.9; 7.2-57.3), mild variation in specificity (96.6 ± 2.7%; 87.4-99.4), NPV (94.6 ± 5.3%; 72.2-98.9) and -LR (0.4 ± 0.1; 0.1-0.7) and minimal variation in AUC (mean, 0.93; range, 0.91-0.93). The majority of formulas had a lower accuracy for the SGA neonates, with systematic error and random error ranging from -4.2 to 14.3% and from 8.4 to 12.9% for SGA, and from -8.7 to 16.1% and from 7.2 to 10.5% for non-SGA, respectively. CONCLUSION: sEFW formulas differ in their accuracy for SGA prediction. In our population, the most accurate formula for SGA prediction was Hadlock's formula utilizing femur length, abdominal and head circumference.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».