ISUOG Practice Guidelines: role of ultrasound in screening for and follow‐up of pre‐eclampsia
Bibliographic record
Abstract
RESUMEN Pautas de práctica de ISUOG: la función del ultrasonido en la detección y seguimiento de la preeclampsia Introducción La hipertensión en el embarazo afecta hasta el 10% de las mujeres embarazadas y la incidencia global combinada de la preeclampsia (PE) es de aproximadamente el 3%. Las diferencias significativas entre los países desarrollados y en desarrollo pueden atribuirse a diferencias reales o a diferencias derivadas de la adquisición de datos. La PE y sus complicaciones contribuyen en gran medida a la morbilidad y mortalidad materna y perinatal en todo el mundo. Dado que la atención oportuna y efectiva puede mejorar los resultados de la PE, el desarrollo de estrategias eficaces de predicción y prevención ha sido uno de los principales objetivos de la atención prenatal y de la investigación. La PE es una enfermedad multisistémica de origen multifactorial: está relacionada con placentación defectuosa, estrés oxidativo, autoinmunidad, activación de plaquetas y trombina, inflamación intravascular, disfunción endotelial, desequilibrio en la angiogénesis y mala adaptación cardíaca materna. La invasión defectuosa de la placenta está fuertemente asociada con la mayoría de los casos de PE temprana y grave. En contraste, la placentación defectuosa parece ser menos importante para el desarrollo de la PE que se manifiesta más tarde en el embarazo, por ejemplo después de las 34 semanas. En comparación con los embarazos afectados por la enfermedad de aparición temprana, en aquellos complicados con PE a término o cerca de este, la frecuencia de anomalías histológicas de las placentas es significativamente menor, y los factores maternos (p. ej. el síndrome metabólico o la hipertensión crónica) tienen una importancia relativamente mayor. También se observan diferencias entre la PE de aparición temprana y la de aparición tardía en los factores de riesgo, la capacidad de respuesta vascular materna, el rendimiento del cribado y la eficacia de la prevención. El conocimiento cada vez mayor sobre la fisiopatología de la PE se refleja en las estrategias de cribado actuales, que se basan en el historial, la demografía, los biomarcadores (como la presión arterial) y el Doppler de la arteria uterina. Actualmente hay más de 10 000 artículos de PubMed relacionados con la detección de la PE, lo que indica el gran interés en este tema. Menos de una quinta parte de estos se refieren a la detección temprana, lo que constituye un avance de la última década. El objetivo de estas Pautas es revisar la evidencia más reciente y, en lo posible, proporcionar recomendaciones basadas en la evidencia con respecto a la función del ultrasonido en el cribado y seguimiento de la PE. Las Pautas se centran en los aspectos técnicos y clínicos del cribado, sin incluir los aspectos económicos y políticos de la salud, como la conveniencia y la rentabilidad del cribado. Además, estas Pautas se elaboraron partiendo del supuesto de que se dispone de los recursos necesarios para la realización del cribado y el seguimiento (equipo, examinadores y conocimientos especializados). Los pasos y procedimientos descritos en estas Pautas no tienen la intención de constituir un estándar legal para el servicio clínico.
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 | 0.017 | 0.071 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.008 | 0.007 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.003 | 0.004 |
| Research integrity | 0.007 | 0.005 |
| Insufficient payload (model declined to judge) | 0.008 | 0.006 |
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".