Biochemical markers for prediction of the first half pregnancy losses: a review
Notice bibliographique
Résumé
Objective: 26% of all pregnancies end in miscarriage, and up to 10% of clinically diagnosed pregnancies, and recurrent pregnancy loss is 5% among couples of childbearing ages. Although there are several known causes of pregnancy loss in the first half, including recurrent pregnancy loss, including parental chromosomal abnormalities, uterine malformations, endocrinological disorders, and immunological abnormalities, about half of the cases of pregnancy loss in its first half remain unexplained. Methods: The review includes observational controlled studies (case-control or cohort, longitudinal studies, reviews, meta-analyses), which include the study of biochemical factors for predicting pregnancy losses in the first half, in singlet pregnancy. The Newcastle-Ottawa Scale (NOS) was used to assess the research quality. Results: Finally, 27 studies were included in the review, which has 134904 examined patients. The results of the review include estimates of β-human chorionic gonadotropin, progesterone, pregnancy-associated protein - A, angiogenic vascular factors, estradiol, α-fetoprotein, homocysteine and CA-125 as a predictors or markers of the first half pregnancy losses. Conclusion: It may be concluded that to date, research data indicate the unavailability of any reliable biochemical marker for predicting pregnancy losses in its first half and require either a combination of them or comparison with clinical evidence. A fairly new model shall be considered for the assessment of α-fetoprotein in vaginal blood, which may have great prospects in predicting spontaneous miscarriages.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».