Diagnostic de l’embolie pulmonaire dans le contexte de la grossesse
Bibliographic record
Abstract
Les problématiques posées par la prise en charge de la femme enceinte suspecte d’embolie pulmonaire (EP) aux urgences sont multiples. Les modifications physiologiques au cours de la grossesse majorent les sollicitations médicales pour des tableaux de douleur thoracique, de dyspnée, de malaise… En parallèle, ces manifestations aux cours de la grossesse peuvent se confondre avec les éléments évocateurs d’une EP et interférer sur nos capacités d’appréciation de sa probabilité. Enfin, l’élévation physiologique des D-dimères et le taux d’imageries thoraciques non conclusives complexifient la démarche diagnostique. C’est pourtant dans le contexte de la grossesse qu’il est particulièrement souhaitable de ne pas manquer un diagnostic d’EP, tout en évitant d’exposer inutilement la patiente et son foetus à l’imagerie thoracique. Pour aider dans les prises de décision, deux stratégies ont été validées dans le contexte de la grossesse. La première repose sur le score de Genève, incluant la réalisation d’une échographie de compression proximale chez les patientes à probabilité forte ou ayant un D-dimère supérieur à 500 μg/L. La seconde repose sur l’algorithme YEARS, avec réalisation d’une échographie uniquement chez les patientes ayant des symptômes évocateurs d’une thrombose veineuse des membres inférieurs associée, puis un dosage des D-dimères avec un seuil à 500 ou 1 000 μg/L en fonction de la probabilité clinique. La fiabilité de ces deux stratégies a été démontrée. La première stratégie présente l’avantage de ne reposer que sur des données objectives, et la deuxième de reposer le seuil décisionnel à 1 000 μg/L chez les patientes n’ayant aucun des critères YEARS.
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 | 0.002 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 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".