Use of Placental Growth Factor for Trisomy 21 Screening in Pregnancy: A Systematic Review
Notice bibliographique
Résumé
Abstract Background Prenatal serum screening is an important modality to screen for aneuploidy in pregnancy. The addition of placental growth factor (PLGF) to screen for trisomy 21 remains controversial. Objective To determine whether the addition of PLGF to combined serum aneuploidy screening improves detection rates (DRs) for trisomy 21. Study Design We performed a systematic review of the literature until October 2019 to determine the benefits of adding PLGF to prenatal screening. We performed a goodness-of-fit test and retrieved the coefficient of determinations (R 2) as a function of false positive rates (FPRs), providing mean-weighted improvements in the DRs after accounting for PLGF levels. Results We identified 51 studies, of which 8 met inclusion criteria (834 aneuploidy cases and 105,904 euploid controls). DRs were proportional to FPR across all studies, ranging from 59.0 to 95.3% without PLGF and 61.0 to 96.3% with PLGF (FPR 1–5%). Goodness-of-fit regression analysis revealed a logarithmic distribution of DRs as a function of the FPR, with R 2 = 0.109 (no PLGF) and R 2 = 0.06 (PLGF). Two-sample Kolmogorov–Smirnov's test reveals a p-value of 0.44. Overall, addition of PLGF improves DRs of 3.3% for 1% FPR, 1.7% for 3% FPR, and 1.4% for 5% FPR, respectively. Conclusion Addition of PLGF to prenatal screening using serum analytes mildly improves trisomy 21 DRs as a function of FPRs.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| 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 | 0,001 |
| 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 ».