Placental growth factor for the prognosis of women with preeclampsia (fullPIERS model extension): context matters
Notice bibliographique
Résumé
Abstract Background The fullPIERS risk prediction model was developed to identify which women admitted with confirmed diagnosis of preeclampsia are at highest risk of developing serious maternal complications. The model discriminates well between women who develop (vs. those who do not) adverse maternal outcomes. It has been externally validated in several populations. We assessed whether placental growth factor (PlGF), a biomarker associated with preeclampsia risk, adds incremental value to the fullPIERS model. Methods Using a cohort of women admitted into tertiary hospitals in well-resourced settings (the USA and Canada), between May 2010 to February 2012, we evaluated the incremental value of PlGF added to fullPIERS for prediction of adverse maternal outcomes within 48 h after admission with confirmed preeclampsia. The discriminatory performance of PlGF and the fullPIERS model were assessed in this cohort using the area under the receiver’s operating characteristic curve (AUROC) while the extended model (fullPIERS +PlGF) was assessed based on net reclassification index (NRI) and integrated discrimination improvement (IDI) performances. Results In a cohort of 541 women delivered shortly ( 0.75). Conclusions While fullPIERS model performance may have been affected by differences in healthcare context between this study cohort and the model development and validation cohorts, future studies are required to confirm whether PlGF adds incremental benefit to the fullPIERS model for prediction of adverse maternal outcomes in preeclampsia in settings where expectant management is practiced.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».