Systematic Review of risk score prediction models using maternal characteristics with and without biomarkers for the prediction of GDM
Notice bibliographique
Résumé
Abstract Background GDM is associated with adverse maternal and fetal complications. By the time GDM is diagnosed, continuous exposure to the hyperglycaemic intrauterine environment can adversely affect the fetus. Hence, early pregnancy prediction of GDM is important. Aim To systematically evaluate whether composite risk score prediction models can accurately predict GDM in early pregnancy. Method Systematic review of observational studies involving pregnant women of <20 weeks of gestation was carried out. The search involved various databases, grey literature, and reference lists till August 2022. The primary outcome was the predictive performance of the models in terms of the AUC, for <14 weeks and 14-20 weeks of gestation. Results Sixty-seven articles for <14 weeks and 22 for 14-20 weeks of gestation were included (initial search - 4542). The sample size ranged from 42 to 1,160,933. The studies were from Canada, USA, UK, Europe, Israel, Iran, China, Taiwan, South Korea, South Africa, Australia, Singapore, and Thailand. For <14 weeks, the AUC ranges were 0.59-0.88 and 0.53-0.95, respectively for models that used only maternal characteristics and for those that included biomarkers. For 14-20 weeks these AUCs were 0.68-0.71 and 0.65-0.92. Age, ethnicity, BMI, family history of diabetes, and prior GDM were the 5 most commonly used risk factors. The addition of systolic BP improved performance in some models. Triglycerides, PAPP-A, and lipocalin- 2, combined with maternal characteristics, have the highest predictive performance. AUC varied according to the population studied. Pooled analyses were not done due to high heterogeneity. Conclusion Accurate GDM risk prediction may be possible if common risk factors are combined with biomarkers. However, more research is needed in populations of high GDM risk. Artificial Intelligence-based risk prediction models that incorporate fetal biometry data may improve accuracy.
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 | 0,015 | 0,082 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,012 | 0,016 |
| Bibliométrie | 0,011 | 0,011 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».