Risks for Preeclampsia and Small for Gestational Age: Predictive Values of Placental Growth Factor, Soluble fms-like Tyrosine Kinase-1, and Inhibin A in Singleton and Multiple-Gestation Pregnancies
Notice bibliographique
Résumé
OBJECTIVE: To determine the accuracy of placental growth factor (PlGF), soluble fms-like tyrosine kinase-1 (sFlt-1), and inhibin A in singleton and multiple-gestation pregnancies for predicting preeclampsia (PE) and small for gestational age (SGA). STUDY DESIGN: A prospective cohort nested in a randomized controlled trial of antioxidant supplementation for the prevention of PE. Plasma biomarkers were evaluated at 12 to 18 (visit 1) and 24 to 26 (visit 2) weeks' gestation and expressed as adjusted multiples of the median. RESULTS: Multiple-gestation pregnancy (74/772) had a significant impact on all biomarkers' levels. PlGF was the best predictor of PE and SGA. At a 10% false-positive rate, PlGF at visit 1 had 21% sensitivity for predicting PE in singleton versus 60% in multiple-gestation pregnancies. PlGF at visit 1 had a 31% sensitivity in singleton and 27% in multiple-gestation pregnancies for SGA prediction. CONCLUSION: PlGF level was a good predictor of subsequent PE as early as 12 to 18 weeks in multiple-gestation pregnancies but was not clinically useful enough to be used as a single marker.
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 | 0,000 | 0,000 |
| 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 ».