Lung Hypoplasia in Fetuses with Skeletal Dysplasia Determined by Fetal Lung Weight: Which Ultrasound Measurement/Ratio Has the Highest Detection Rate
Notice bibliographique
Résumé
INTRODUCTION: To determine lung hypoplasia in cases with fetal skeletal dysplasia based on the total lung weight at autopsy as the most accountable surrogate marker for pulmonary hypoplasia. METHODS: This retrospective cohort study included all pregnancies with antenatal diagnosis of skeletal dysplasia (2012-2018). We included only cases in which information on fetal biometry was available within 2 weeks before delivery and had autopsy and skeletal X-rays + molecular analysis using extracted fetal DNA. We compared the predictive accuracy of fetal sonographic body-proportional ratios (BPRs) including: (1) thoracic circumference-to-abdominal circumference ratio, (2) the femur length-to-abdominal circumference (FL/AC) ratio, (3) head circumference-to-abdominal circumference ratio, and (4) foot length-to-femur length ratio. Lung hypoplasia was defined as total lung weight below -2 SD from the expected mean for gestational age. RESULTS: Fifty three pregnancies with antenatal diagnosis of skeletal dysplasia underwent autopsy included. Lung hypoplasia was determined in 34 (64.1%). Median of gestational age at last sonographic assessment was 21.3 (19.9-24.9) weeks. FL/AC ratio demonstrated the highest area under the curve of 0.817 (95% CI: 0.685-0.949; p < 0.0001). FL/AC ≤0.1550 demonstrated the highest detection rate of 88.2% along with the highest negative predictive value of 75%. CONCLUSION: Using a novel, more practical approach to predict lung hypoplasia in skeletal dysplasia, fetal sonographic BPRs and, specifically, FL/AC ratio demonstrate a high detection rate of lung hypoplasia.
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) | 0,001 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».