Predictive Performance of PlGF (Placental Growth Factor) for Screening Preeclampsia in Asymptomatic Women
Notice bibliographique
Résumé
Preeclampsia is a systemic syndrome that seems to originate from the placenta and is associated with an imbalance between angiogenic factors in the maternal circulation. One of the well-studied and widely used factors is PlGF (placental growth factor), the levels of which drop in women destined to develop preeclampsia. This drop is known to precede the development of actual signs and symptoms of preeclampsia, thus proving to be a useful screening tool in predicting the disease. The literature varies widely in terms of the clinical usefulness of the test. We conducted a meta-analysis to study the predictive accuracy of PlGF in asymptomatic women. Our analysis included 40 studies with 3189 cases of preeclampsia and 89 498 controls. The overall predictive odds ratio of the test was 9 (6-13). Subgroup analysis evaluating various PlGF thresholds demonstrated that the predictive values were highest for PlGF levels between 80 and 120 pg/mL with a high predictive odds ratio of 25 (7-88), a sensitivity of 0.78 (95% CI, 0.67-0.86), a specificity of 0.88 (95% CI, 0.75-0.95), a positive likelihood ratio of 6.3 (95% CI, 2.7-14.7), and a negative likelihood ratio of 0.26 (95% CI, 0.16-0.42). Additionally, the accuracy was higher when the test was performed after 14 weeks of gestation (OR, 10 [7-15]) and for prediction of early onset preeclampsia (OR, 18 [9-37]). We conclude that PlGF is a useful screening tool to predict preeclampsia. Nonetheless, its utility should be judged with caution and randomized controlled trials are warranted to explore if its implementation improves perinatal outcomes in asymptomatic women.
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) | 0,003 | 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 ».