OP06.04: Comprehensive audit of estimation of fetal weight in preterm and term population in a tertiary centre
Notice bibliographique
Résumé
To identify 1) main driver of error of estimated fetal weight (EFW) by ultrasound (US) in preterm and term population, and 2) discrepancies in biometric parameters between populations. A retrospective audit was conducted in a tertiary centre in Ottawa, Canada in 2022. We included all US performed from 24 to 41 weeks of gestation from singleton pregnancies. Images performed within 14 days of delivery were reviewed. Data was analysed by 2 independent examiners. The ISUOG guideline for fetal biometry scoring system was used. Each sonographic parameter scored 1(presence) or 0(absence) point for anatomical landmarks when measuring biparietal diameter (BPD), head circumference (HC), abdominal circumference (AC), and femur length (FL), totalising a score of 24. Potential confounders, fetal presentation, amniotic fluid (AF), and machine model, were analysed. Fisher's exact or chi-square tests were used for comparisons. Statistical significance was set at P < .05. A total of 112 preterm and 104 term scans were reviewed. The mean total score was 17.4 ± 2.9 and 16.9 ± 2.9 for preterm and term. For the preterm scans, BPD was main parameter driving error (26%), and CSP was missing in 69.6% of images. HC, AC, and FL's main drivers of error were absence of CSP (70%), incorrectly placed calipers (35%) and femur occupying less than half the image (47%). For the term scans, AC was the main parameter driving error (31%), and symmetrical plane was not captured in 54% of images. BPD/HC and FL's main drivers of error were absence of CSP (29%) and incorrectly placed calipers (47%). Overall, there were statistically significant differences when comparing quality of AC and FL images between populations, with lower error in the preterm group. No differences were found when adjusted for presentation, AF or machine model. EFW directly impacts clinical decision-making and is a quality measure of antenatal care. We identified main sonographic drivers of error in preterm and term group. Education and training to increase accuracy of EFW are in progress.
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».