Évaluation du dépistage prénatal des malformations cardiaques congénitales : grande hétérogénéité de la détection prénatale parmi les médecins, établissements et régions et méta-analyse des facteurs de risque prénataux
Notice bibliographique
Résumé
Contexte : Le taux de détection prénatale (TDP) des malformations cardiaques congénitales (MCC) sévères demeure sous-optimal. Les taux agrégés peuvent cacher une hétérogénéité significative du TDP. De plus, la taille de l’effet des facteurs de risque prénataux est importante pour identifier les grossesses à risque de MCC. Nos objectifs étaient de : 1) quantifier la variabilité inter et intra-établissement de la sensibilité de l’échographie morphologique du deuxième trimestre (ÉM), 2) identifier à quel niveau cette variabilité était la plus grande, et 3) réaliser une méta-analyse des facteurs non génétiques des MCC. Méthodes : Pour répondre aux objectifs 1-2, nous avons réalisé une cohorte observationnelle rétrospective de toutes les dyades grossesse-enfant atteintes de MCC sévère au Québec entre 2007 et 2015. Nous avons apparié les données cliniques avec les données administratives. Après avoir estimé la sensibilité de l’ÉM pour chaque médecin, établissement et région, la variabilité à chaque niveau a été estimée en calculant les coefficients de corrélation intraclasse (CCI). De plus, pour répondre à l’objectif 3, une recherche systématique englobant les concepts de MCC, prénatal, et les facteurs de risque a été effectuée. Les rapports des cotes (RC) regroupés ont été calculés à l’aide d’un modèle à effets aléatoires. Résultats : Dans notre étude de cohorte, nous avons identifié 1559 dyades grossesse-enfant atteintes de MCC sévère. Après exclusion des médecins et des hôpitaux ayant un volume plus faible, une hétérogénéité significative a été observée entre les médecins, les établissements et les régions, avec la plus grande hétérogénéité étant observée entre les médecins. Les CCI au niveau des médecins, des établissements et des régions étaient respectivement de 5,7 %, 0,4 % et 1,7 %, ce qui indique une plus grande hétérogénéité entre les médecins et intra-établissements. Par ailleurs, les méta-analyses sur les maladies chroniques maternelles et les expositions parentales ont montré une association entre le diabète prégestationnel et les MCC (RC, 3,51 ; IC à 95 %, 2,86- 4,3), sans différence entre les types 1 et 2 du diabète prégestationnel. La taille de l’effet était plus faible pour le diabète gestationnel, la prééclampsie, le surpoids ou l’obésité, la consommation d’alcool, le tabagisme et l’âge maternel avancé. Conclusions : L’hétérogénéité de la sensibilité de l’ÉM semblait médiée principalement par les médecins, avec une variabilité intermédecins plus élevée. Ainsi, des mesures d’amélioration devraient être ciblées auniveau des médecins. De plus, il existe des preuves solides sur le risque de MCC en présence d’obésité, de diabète maternel, de tabagisme maternel et d’âge maternel avancé. Les tailles d’effet étaient relativement modestes, sauf pour le diabète prégestationnel.
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 | 0,017 | 0,053 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,007 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».