Accounting for Nulliparity in the Prediction of Hypoxic-Ischemic Encephalopathy Using Cardiotocography <sup>*</sup>
Notice bibliographique
Résumé
Nulliparous pregnancies, those where the mother has not previously given birth, are associated with longer labors and hence expose the fetus to more contractions and other adverse intrapartum conditions such as chorioamnionitis. The objective of the present study was to test if accounting for nulliparity could improve the detection of fetuses at increased risk of developing hypoxic-ischemic encephalopathy (HIE). During labor, clinicians assess the fetal heart rate and uterine pressure signals to identify fetuses at risk of developing HIE. In this study, we performed random forest classification using fetal heart rate and uterine pressure features from 40,831 births, including 374 that developed HIE. We analyzed a two-path classification approach that analyzed separately the fetuses from nulliparous and multiparous mothers, and a one-path classification approach that included the clinical variable for nulliparity as a classification feature. We compared these two approaches to a one-path classifier that had no information about the parity of the mothers. We also compared our results to the rate of Caesarean deliveries in each group, which is used clinically to interrupt the progression towards HIE. All the classifiers detected more fetuses that developed HIE than the observed Caesarean rate, but accounting for nulliparity did not improve performance.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».