Development and validation of a prediction model on severe maternal outcomes among pregnant women with pre-eclampsia: a 10-year cohort study
Notice bibliographique
Résumé
Pre-eclampsia is a severe hypertensive disorder of pregnancy and could lead to severe maternal morbidities and death. Our study aimed to develop and validate a prognostic prediction model for severe maternal outcomes among Chinese population with pre-eclampsia. We conducted a 10-year cohort study in a referral center by collecting all pregnant women who diagnosed as pre-eclampsia and delivered from 2005 to 2014. A composite of severe maternal outcomes, including maternal near-miss defined by World Health Organization, cortical blindness/retinal detachment, temporary facial paralysis and maternal death, were adopted. We used logistic regression model to develop Model 1 by retaining the predictors of p < 0.05, and further conducted Model 2 by adding quadratic terms and interaction terms to Model 1. We undertook a bootstrapping validation and estimated the model performance. A total of 397 pregnant women suffered from severe maternal outcomes among 2,793 eligible participants, with an incidence of 14.21% (95% confidence interval (CI) 12.91%-15.51%). Of 13 predictors were finally selected in Model 1. Combined with quadratic and interactive terms, the Model 2 showed higher area under the ROC curve (82.2%, 95% CI 79.6%-84.7%) and good calibration. By the bootstrapping validation, similar model performances were present.
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 | 0,019 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».