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
Bibliographic record
Abstract
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.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.007 |
| Meta-epidemiology (narrow) | 0.003 | 0.003 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.002 | 0.003 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
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; both teacher heads agree on what is shown here.
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".