Die computergestützte CTG-Analyse unter der Entbindung in Korrelation zu den Ergebnissen der Mikroblutuntersuchung
Bibliographic record
Abstract
Einleitung: Die Korrelation zwischen den Ergebnissen der computergestützten CTG-Analyse mit dem Programm „CTG-Online“ und dem Goldstandard, der MBU, soll geprüft werden. Methode: Aus 4659 konsekutiven Entbindungen in zwei Universitätsfrauenkliniken wurden alle Entbindungen mit Mikroblutuntersuchungen (MBU) ausgewählt. Von insgesamt 573 Entbindungen mit MBUs konnten 370 Patientinnen, bei denen die Dokumentation vollständig war, ausgewertet werden. Bei diesen Patientinnen wurden 733 MBUs durchgeführt. In Analogie zum FIGO-Score wurden die CTGs automatisch zum Zeitpunkt der MBU analysiert. Die Analysen wurden von den beiden Kliniken unabhängig voneinander durchgeführt und erst nach der Auswertung gegenübergestellt. Ergebnisse: Für den FIGO-Gesamtscore suspekt und pathologisch zeigt sich eine Sensitivität für pH-Werte der MBU <7,21 in den beiden Kliniken von 92 und 100%. Die Spezifität liegt bei 22 und 10%. Der positiv prädiktive Wert liegt bei 4 und bei 2%. Der negativ prädikative Wert beträgt 99 und 100%. Der sensitivste Einzelparameter des FIGO-Scores ist die Dezeleration. Die Spezifität dieses Parameters liegt bei 43 und 34%. Die Herzfrequenzvariabilität zeigt mit 79 und 81% die höchste Spezifität. Die Sensibilität beträgt für diesen Parameter 23 und 14%. Schlussfolgerung: Die computergestützte CTG-Analyse kann durch die hohe Sensitivität für fetale Azidosen als zusätzliches Kriterium in der Beurteilung des fetalen Zustandes unter der Geburt verwandt werden.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".