Gestational diabetes screening changes and impacts on diagnosis
Notice bibliographique
Résumé
Background: Gestational diabetes mellitus (GDM) affects between 2-40% of pregnancies worldwide, depending on diagnostic and screening methods. Changes in screening practices are not well understood because administrative sources lack data on whether or how individuals were screened. The objectives of this thesis were to: 1) validate a method to identify prenatal screening for GDM and other conditions in administrative health data; 2) describe changes in GDM screening; 3) evaluate the relative contributions of screening and population characteristics to changes in GDM risk; 4) characterize the impact of the COVID-19 pandemic on pregnancy weight gain and infant birthweight. Methods: Laboratory billing records from BC’s universal health insurance system for prenatal screening tests were compared with medical records by calculating validation properties. All pregnancies (birth >20wks or >500g) in British Columbia, Canada, 2005-2019, with linked perinatal health and administrative data, were used to examine time trends in GDM screening methods, trends within subgroups, and the effect of screening changes on prevalence. A second cohort from Washington State, 2016-2020, was analyzed using an interrupted time series design, to assess COVID-19 impacts on pregnancy weight gain and infant birthweight using z-scores. Results: GDM screening in laboratory billing records had a high sensitivity (97% [95% CI: 90, 99]) and specificity (>99% [95% CI: 86, <99]) compared with medical records. GDM diagnoses in BC more than doubled from 7.2% in 2005 to 14.7% in 2019 (n=550,783 pregnancies). Most of this increase was explained by changes in screening; adjustment for population factors had minimal impact. In Washington state, using an interrupted time series, pregnancy weight gain z-score increased by 0.08 (95% CI 0.03, 0.13) after the COVID-19 pandemic onset and infant birthweight z-scores were unchanged (-0.004, 95% CI (-0.04, 0.03)). Conclusion: Prenatal screening tests can be accurately ascertained using BC insurance billing data. Changes in GDM screening completion and in screening methods accounted for most of the increase in GDM diagnosis in BC since 2005. Covid-19 pandemic countermeasures were associated with an increase in pregnancy weight gain but not infant birthweight. Public health and future researchers should understand how screening changes can directly affect disease prevalence.
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 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».