The impact of maternal and geographical factors on the uptake of non‐invasive prenatal testing: A retrospective cohort study
Notice bibliographique
Résumé
Abstract Objectives The objectives of this study were to investigate recent trends in non‐invasive prenatal testing (NIPT) utilisation, including factors associated with geographical variation, and to determine whether maternal or regional characteristics are associated with uptake the of NIPT. Methods This retrospective cohort study included pregnant individuals in Ontario with an expected date of delivery from August 1st, 2016 to March 31st, 2020. Modified Poisson regression was used to estimate rate ratios for NIPT use adjusted for maternal and healthcare covariates. Results We found substantial variation in NIPT uptake between regions within the province. The highest uptake was found in urban areas, highest quintile of neighbourhood income and education, for those who were ≥40 years of age and had a history of previous aneuploidy, for those with a prenatal care visit in the first trimester, multiple pregnancy, multigravidity and body mass index within the normal range (18.5–24.9 kg/m 2 ). Conclusion Our study demonstrated significant regional and maternal differences in NIPT uptake across Ontario. Given the large sample size and diverse population, our study may have implications for other jurisdictions with large, socio‐demographically and geographically diverse populations.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».