Estimer l’âge gestationnel à la naissance : étude de dérivation-validation en population générale
Notice bibliographique
Résumé
<sec> <title>Introduction</title> Les données sur l’âge gestationnel (AG) à la naissance sont essentielles dans la recherche en santé périnatale et en santé du nourrisson, mais elles ne figurent pas toujours dans les bases de données administratives. Nous avons donc élaboré et validé un modèle de prédiction de l’AG pour les naissances simples à des fins d’études épidémiologiques. </sec> <sec> <title>Méthodologie</title> La dérivation de l’AG estimé a été calculée sur la base d’un échantillon de 130 328 nouveau-nés ayant vu le jour dans les hôpitaux de l’Ontario entre 2007 et 2009, au moyen d’une analyse de régression linéaire, avec plusieurs caractéristiques maternelles et infantiles comme variables prédictives (indépendantes). Le modèle a été validé sur un autre échantillon, de 130 329 nouveau-nés. </sec> <sec> <title>Résultats</title> La capacité discriminative du modèle linéaire selon le sexe et le poids à la naissance du nouveau-né était d’une approximation raisonnable pour les enfants nés avant la 37e semaine de gestation (r2 = 0,67; intervalle de confiance (IC) à 95 % : 0,65 à 0,68), mais pas pour les naissances à terme (37 à 42 semaines; r2 = 0,12; IC à 95 % : 0,12 à 0,13). L’ajout de caractéristiques maternelles et infantiles supplémentaires n’a pas amélioré la discrimination du modèle. </sec> <sec> <title>Conclusion</title> Il est possible d’obtenir une estimation correcte de l’âge gestationnel à la naissance des enfants nés avant 37 semaines de gestation à l’aide de données localement disponibles sur le poids à la naissance et le sexe. </sec>
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,001 | 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 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 ».