Ruling out early trimester pregnancy when implementing community-based deworming programs
Notice bibliographique
Résumé
BACKGROUND: Large-scale deworming programs have, to date, mostly targeted preschool- and school-age children. As community-based deworming programs become more common, deworming will be offered to women of reproductive age. The World Health Organization recommends preventive chemotherapy be administered to pregnant women only after the first trimester. It is therefore important for deworming programs to be able to identify women in early pregnancy. Our objective was to validate a short questionnaire which could be used by deworming program managers to identify and screen out women in early pregnancy. METHODOLOGY/PRINCIPAL FINDINGS: In May and June 2018, interviewers administered a questionnaire, followed by a pregnancy test, to 1,203 adult women living in the Peruvian Amazon. Regression analyses were performed to identify questions with high predictive properties (using the pregnancy test as the gold standard). Test parameters were computed at different decision tree nodes (where nodes represented questions). With 106 women confirmed to be pregnant, the positive predictive value of asking the single question 'Are you pregnant?' was 100%, at a 'cost' of a false negative rate of 1.9% (i.e. 21 women were incorrectly identified as not pregnant when they were truly pregnant). Additional questions reduced the false negative rate, but increased the false positive rate. Rates were dependent on both the combination and the order of questions. CONCLUSIONS/SIGNIFICANCE: To identify women in early pregnancy when deworming programs are community-based, both the number and order of questions are important. The local context and cultural acceptability of different questions should inform this decision. When numbers are manageable and resources are available, pregnancy tests can be considered at different decision tree nodes to confirm pregnancy status. Trade-offs in terms of efficiency and misclassification rates will need to be considered to optimize deworming coverage in women of reproductive age.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».