Maternal Vascular Malperfusion and Adverse Perinatal Outcomes in Low-Risk Nulliparous Women
Notice bibliographique
Résumé
OBJECTIVE: To evaluate the disease burden of placental maternal vascular malperfusion pathology in a low-risk nulliparous population and test the hypothesis that a multiparameter model in the second trimester can predict maternal vascular malperfusion with high precision. METHODS: A single-center, prospective cohort study was conducted in healthy nulliparous women. Maternal vascular malperfusion disease burden was estimated by incidence, relative risk (RR), and population-attributable risk percent. Maternal risk factors, serum biomarkers, Doppler, and placental morphologic ultrasonography were examined in isolation and in combination for prediction of this placental pathology. RESULTS: The incidence of maternal vascular malperfusion pathology was 8.4% (72/856). Women with pathology had higher risk of preeclampsia (8.33% compared with 1.79%; RR 4.67, 95% CI 1.85-11.77%; population-attributable risk 23.6%, 95% CI 16.9-31.6%), small for gestational age (SGA) (47.22% compared with 9.45%; RR 5.00, 95% CI 3.6-6.93%; population-attributable risk 25.2%, 95% CI 22.1-28.5%), and the composite of adverse outcomes (defined as SGA or preeclampsia) (47.22% compared with 10.59%; RR 4.46, 95% CI 3.25-6.13; population-attributable risk 22.5%, 95% CI 19.8-25.5%). The combination of parameters was superior to individual modalities alone in predicting maternal vascular malperfusion, but achieved only moderate precision (area under the curve 0.77, 95% CI 0.71-0.84). CONCLUSION: One in 12 healthy nulliparous women develop maternal vascular malperfusion placental pathology, and these pregnancies had a 4.5 times higher risk of developing preeclampsia or delivering a SGA neonate compared with those without this pathology. A multiparameter model achieved modest precision to predict placental maternal vascular malperfusion. Importantly, in low-risk pregnancies, maternal vascular malperfusion accounts for one fourth of pregnancy outcomes with SGA or preeclampsia. The low population-attributable risk of this placental pathology for SGA and preeclampsia illustrates the importance of discovering novel associations to reduce the disease burden of these pregnancy complications.
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 | 0,003 |
| 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 ».