Establishing Bayley-III cut-off scores at 21 months for predicting low IQ scores at 3 years of age in a preterm cohort
Notice bibliographique
Résumé
OBJECTIVE: To evaluate predictive validity and establish cut-off scores on the Bayley-III at age 21 months that best predict Intelligence Quotient (IQ) scores <70 or <80) at 3 years in a high-risk preterm cohort. METHOD: Bayley-III evaluations at 21 months corrected age and intellectual assessments, primarily with the WPPSI-III, at 3 years corrected age were conducted with 520 infants born less than 29 weeks gestational age or less than 1250 g birth weight. Receiver Operator Characteristic (ROC) curves were used to establish Bayley-III Cognitive Composite cut-off scores that maximized Sensitivity and Specificity in predicting low IQ. Similar analyses were performed using the Language Composite, and a research derived mean Cognitive-Language Composite. RESULTS: =0.36). The ROC area under the Curve was 0.90 for the Cognitive Composite predicting IQ<70. The cut-off score that maximized Sensitivity and Specificity for predicting 3-year IQ<70 was a Cognitive Composite of <80. The ROC Area under the Curve was 0.80 for Cognitive Composites predicting IQ<80 and a Cognitive Composite cut-off score of <90 maximized Sensitivity and Specificity. CONCLUSION: In this high-risk preterm cohort, there was a strong association between the Bayley-III Cognitive Composite at 21 months and IQ at 3 years. A Cognitive Composite cut-off score of <80 optimized classification of IQ<70 at 3 years, and a Cognitive Composite cut-off score of <90 optimized classification of IQ<80.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».