Prospective head-to-head comparison of accuracy of two sequencing platforms for screening for fetal aneuploidy by cell-free DNA: the PEGASUS study
Notice bibliographique
Résumé
We compared clinical validity of two non-invasive prenatal screening (NIPS) methods for fetal trisomies 13, 18, 21, and monosomy X. We recruited prospectively 2203 women at high risk of fetal aneuploidy and 1807 at baseline risk. Three-hundred and twenty-nine euploid samples were randomly removed. The remaining 1933 high risk and 1660 baseline-risk plasma aliquots were assigned randomly between four laboratories and tested with two index NIPS tests, blind to maternal variables and pregnancy outcomes. The two index tests used massively parallel shotgun sequencing (semiconductor-based and optical-based). The reference standard for all fetuses was invasive cytogenetic analysis or clinical examination at birth and postnatal follow-up. For each chromosome of interest, chromosomal ratios were calculated (number of reads for chromosome/total number of reads). Euploid samples' mean chromosomal ratio coefficients of variation were 0.48 (T21), 0.34 (T18), and 0.31 (T13). According to the reference standard, there were 155 cases of T21, 49 T18, 8 T13 and 22 45,X. Using a fetal fraction ≥4% to call results and a chromosomal ratio z-score of ≥3 to report a positive result, detection rates (DR), and false positive rates (FPR) were not statistically different between platforms: mean DR 99% (T21), 100%(T18, T13); 79%(45,X); FPR < 0.3% for T21, T18, T13, and <0.6% for 45,X. Both methods' negative predictive values in high-risk pregnancies were >99.8%, except for 45,X(>99.6%). Threshold analysis in high-risk pregnancies with different fetal fractions and z-score cut-offs suggested that a z-score cutoff to 3.5 for positive results improved test accuracy. Both sequencing platforms showed equivalent and excellent clinical validity.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».