OP20.11: Contribution of morphologic and biometric markers to detection of 22 congenital heart defects (<scp>CHDs</scp>) by transvaginal sonography at 9–14 weeks of gestation
Notice bibliographique
Résumé
Assess the relative values of morphologic and biometric markers in diagnosis of the 22 most common congenital heart defects (CHDs) detectable by 14 weeks of gestation. We utilised a multicentre database augmented with cases from the literature and analysed the occurrence of Very Frequent (VF) and Frequent (F) morphologic and biometric markers in the 22 CHDs, which fell into three classes of ultrasound-based natural history: Class I: anomalies with early onset at constant GA; Class II: potentially transients anomalies; Class III: anomalies with variable onset. Total 48 VF and F markers fulfilled the diagnostic requirements for the 22 CHDs, with 25 (52%) morphologic and 23 (48%) biometric (see table 1). Of the morphologic markers 20/25 (80%) were in Class I and 5/25 (20%) in Class II-III lesions, while of the biometric markers 7/23 (30%) were in Class I and 16/23 (70%) in Class II-III lesions at 14 wks. The incidence of Class II-III biometric markers in early pregnancy did not follow a horizontal rule across all the cases. Instead it varied according to the type and severity of morphologic markers per CHD. 48 sonomarkers cover the diagnostic requirements of the 22 most common types of CHDs by 14 wks. The scanning priority should be on C-I morphologic markers which are easier to detect at routine OB sonogram in early pregnancy than biometric markers, except deviations evident by “eyeball”. Severe morphologic markers in early pregnancy often flag the presence of associated biometric markers. Positive C-I and C-III markers have high diagnostic value in early pregnancy, while negative C-IIIs require rescanning at 18–22 wks. Markers of CHDs (15/22)
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 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».