Postnatal Prediction of Gestational Age Using Newborn Fetal Hemoglobin Levels
Notice bibliographique
Résumé
INTRODUCTION: In many parts of the developing world procurement of antenatal gestational age estimates is not possible, challenging provision of appropriate perinatal care. This study aimed to develop a model for postnatal gestational age estimation utilizing measures of the newborn hemoglobin levels and other metabolic analyte data derived from newborn blood spot samples. METHODS: We conducted a retrospective cohort analysis of 159,215 infants born January 2012-December 2014 in Ontario, Canada. Multivariable linear and logistic regression analyses were used to evaluate the precision of developed models. RESULTS: Models derived from a combination of hemoglobin ratios and birthweight were more precise at predicting gestational age (RMSE1·23weeks) than models limited to birthweight (RMSE1·34). Models including birthweight, hemoglobin, TSH and 17-OHP levels were able to accurately estimate gestational age to ±2weeks in 95·3% of the cohort and discriminate ≤34 versus >34 (c-statistic, 0·98). This model also performed well in small for gestational age infants (c-statistic, 0·998). DISCUSSION: The development of a point-of-care mechanism to allow widespread implementation of postnatal gestational age prediction tools that make use of hemoglobin or non-mass spectromietry-derived metabolites could serve areas where antenatal gestational age dating is not routinely available.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».