Bayes Theorem and Protopathic Bias: Methodological Concerns When Addressing the Impact of Fetal Heart Rate Patterns on the Cesarean Section Rate
Notice bibliographique
Résumé
Over the last 30 years, the caesarean section rate has reached global epidemic proportions. This trend is driven by multiple factors, an important one of which is the use and inconsistent interpretation of the electronic fetal monitoring (EFM) system. Despite its introduction in the 1960s, the EFM has not definitively improved neonatal outcomes, yet it has since significantly contributed to a seven-fold increase in the caesarean section rate. As we attempt to reduce the caesarean rates in the developed world, we should consider focusing on areas that have garnered little attention in the literature, such as physician sensitization to the poor predictive power of the EFM and the research method biases that are involved in studying the abnormal heart rate patterns-umbilical cord pH relationship. Herein, we apply Bayes theorem to different clinical scenarios to illustrate the poor predictive power of the EFM, as well as shed light on the principle of protopathic bias, which affects the classification of research outcomes among studies addressing the effects of the EFM on caesarean rates. We propose and discuss potential solutions to the aforementioned considerations, which include the re-examination of guidelines with which we interpret fetal heart rate patterns and the development of noninvasive technologies that evaluate fetal pH in real time.
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 | 0,592 | 0,813 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,016 |
| Communication savante | 0,009 | 0,008 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».