Risk Prediction Models of Natural Menopause Onset: A Systematic Review
Notice bibliographique
Résumé
CONTEXT: Predicting the onset of menopause is important for family planning and to ensure prompt intervention in women at risk of developing menopause-related diseases. OBJECTIVE: We aimed to summarize risk prediction models of natural menopause onset and their performance. METHODS: Five bibliographic databases were searched up to March 2022. We included prospective studies on perimenopausal women or women in menopausal transition that reported either a univariable or multivariable model for risk prediction of natural menopause onset. Two authors independently extracted data according to the CHARMS (critical appraisal and data extraction for systematic reviews of prediction modelling studies) checklist. Risk of bias was assessed using a prediction model risk of bias assessment tool (PROBAST). RESULTS: Of 8132 references identified, we included 14 articles based on 8 unique studies comprising 9588 women (mainly Caucasian) and 3289 natural menopause events. All included studies used onset of natural menopause (ONM) as outcome, while 4 studies also predicted early ONM. Overall, there were 180 risk prediction models investigated, with age, anti-Müllerian hormone, and follicle-stimulating hormone being the most investigated predictors. Estimated C-statistic for the prediction models ranged from 0.62 to 0.95. Although all studies were rated at high risk of bias mainly due to the methodological concerns related to the statistical analysis, their applicability was satisfactory. CONCLUSION: Predictive performance and generalizability of current prediction models on ONM is limited given that these models were generated from studies at high risk of bias and from specific populations/ethnicities. Although in certain settings such models may be useful, efforts to improve their performance are needed as use becomes more widespread.
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 | 0,029 | 0,144 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,011 | 0,023 |
| Bibliométrie | 0,014 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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; 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 ».