069 Assessing the impact of non-invasive prenatal screening (NIPS) on health-related quality of life: a comparative study using patient- reported outcome measures (PROMs) in prenatal screening among pregnant women
Notice bibliographique
Résumé
Introduction The integration of Non-Invasive Prenatal Screening (NIPS) as a universal first-tier screening could provide an earlier screening and if needed, diagnostic result compared to standard screening. While the clinical performance of NIPS is well-documented, little research has documented its impact on pregnant women health-related quality of life (HRQoL) thus hampering informed decision- making about prenatal options. We compared the impact of NIPS on HRQoL to standard care. Methods In a prospective multicentric randomized trial, pregnant women (≥19 years) undergoing foetal chromosomal anomaly screening (T13, T18, T21) were randomized 2:1 to first-tier NIPS or standard care. Randomization considered age and recruitment site. HRQOL was assessed using PROM Physical Health and Mental Health summary scores at 10, 16, and 22 weeks of gestation. Descriptive and multivariate analyses, mainly using a linear mixed model, were performed. Results A total of 7815 pregnant women have been recruited with mean age of 32 years (Standard Deviation=4) and 64.7% of European origin in both groups. At 10, 16, and 22 weeks of gestation, physical Health and Mental Health summary scores were 47.2 to 53.0 (± 6 to 8) in both arms. The mean differences between first-tier NIPS group and standard care group were -0.77 (95% CI 2.06–0.52; P=0.12), for the physical health and 0.8034 (95% CI 0.42–2.02, P=0.10) for the mental health. Discussion Trajectories of physical and mental health scores were similar between groups. No significant differences were detected between the two groups. Conclusions The findings provide evidence that first-tier NIPS as an option for prenatal screening doesn’t worsen the HRQOL over 22 weeks of gestation compared to standard care. This evidence will be informing future decision aids about prenatal screening.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».