Validating PreCHAT: A Digital Preconception Health Risk Assessment Tool to Improve Reproductive, Maternal and Child Health
Notice bibliographique
Résumé
STUDY BACKGROUND: Despite the growing understanding of preconception care, numerous barriers to its delivery still exist, including a lack of evidence-based, accessible screening tools. PURPOSE: To validate a new digital Preconception Health Assessment Tool (PreCHAT) against the current best practice, physician-delivered tool in Ontario, Canada, and explore how PreCHAT's design impacts its risk identification abilities relative to the comparison tool. METHODS: A criterion validation study was conducted with 53 female participants aged 18-44 years. Participants completed both tools in a controlled setting. PreCHAT was completed on a tablet individually by participants, while the comparison tool was administered by a physician. Three physicians administered the comparison tool. Measures of strength of agreement between PreCHAT and the comparison tool were calculated using percent agreement, Cohen's Kappa, and prevalence-adjusted and biased-adjusted kappa (PABAK). RESULTS: PreCHAT identified 135 individual risk factors, while the comparison tool identified 102. Both tools shared the same 14 domains of preconception care and 88 risk factors; of the 88 risk factors, PreCHAT identified an average of 3.42 (p < 0.0001) more risks per participant than the comparison tool. PABAK scores indicated almost perfect agreement between PreCHAT and the comparison tool. CONCLUSIONS: This study suggests that PreCHAT is valid against the current best practice tool and is broader in its risk identification among individuals of reproductive age. PreCHAT's patient-facing, digital, EMR-integrated design may offer unique benefits to providers and patients. PreCHAT offers providers an innovative approach to deliver preconception care and may positively impact reproductive, maternal, and child health.
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 | 0,007 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».