Variability assessmentWe assessed v

Variability assessment
We assessed variability in BDCPP and DPP in three ways. First, we estimated the short- and long-term variability in BDCPP and DPP concentrations by calculating intraclass correlation coefficients (ICCs). ICCs provide a measure of the reliability of repeated measures over time and are calculated by taking the ratio of the between-subject variability to the sum of the between- and within-subject variability (Rosner, 2000). ICC values range from 0, indicating no reproducibility, to 1, indicating perfect reproducibility. ICCs and 95% confidence intervals were calculated using a SAS Marco developed by Hamer (1995), and based on the work of Shrout and Fleiss (1979). ICCs were calculated for samples collected in the 18th week of pregnancy to capture short-term reliability (3 samples each in 8 women; n = 24) and for all sample points to capture long-term reliability. In analyses of long-term variability, the three samples collected from each woman during the 18th week of pregnancy were first averaged to avoid inflating ICCs with measurements taken over a short period of time, and then compared to the samples taken at 28th week of pregnancy and at birth.

In addition to ICCs, we also conducted analyses to determine how well OPFR metabolite concentrations from each time point (18 week average, 28th week, and birth samples) captured the rank order of exposure throughout pregnancy. First, each woman's geometric mean metabolite concentration was calculated and women were ranked (GM of 18 week average, 28th week, and birth samples). Women with the 4 highest GM concentrations were classified as the “high” exposure group (true high exposure category). Women were then ranked at each time point based on the concentration in that individual sample (predicted exposure category). Contingency tables were constructed for each time point comparing the predicted exposure category to the true high exposure category. Contingency tables form each time point were then combined into a single table and sensitivity, specificity, positive predictive value (PPV) and negative predictive value (NPV) were calculated.

ผลลัพธ์ (ไทย) 1:

ประเมินสำหรับความผันผวนเราประเมินความแปรผันใน BDCPP และ DPP ในสามวิธี ครั้งแรก เราประเมินที่สั้น และระยะยาวความแปรผันในความเข้มข้น BDCPP และ DPP โดยคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ intraclass (ICCs) ICCs ให้ความน่าเชื่อถือของการวัดซ้ำการวัดเวลา และคำนวณ โดยใช้อัตราส่วนของความแปรผันระหว่างหัวเรื่องกับผลรวมของความแปรผันระหว่าง และภายในประธาน (Rosner, 2000) ช่วงค่า ICC 0 แสดง 1 ระบุ reproducibility โก reproducibility ไม่ มีคำนวณช่วงความเชื่อมั่น 95% และ ICCs ใช้มาร์โค SAS โดย Hamer (1995), และจากงานของ Shrout และ Fleiss (1979) ICCs คำนวณได้ตัวอย่างที่เก็บในสัปดาห์ 18 ของการตั้งครรภ์เพื่อตรวจสอบความน่าเชื่อถือระยะสั้น (3 ตัวอย่างแต่ละในสตรี 8; n = 24) และจุดที่ตัวอย่างเพื่อตรวจสอบความน่าเชื่อถือระยะยาว ในการวิเคราะห์ความแปรผันระยะยาว ตัวอย่างสามที่เก็บรวบรวมจากผู้หญิงแต่ละคนในช่วง 18 สัปดาห์ของการตั้งครรภ์ได้แรกสามารถ averaged หลีกเลี่ยง inflating ICCs กับวัดมาเป็นระยะเวลาสั้น ๆ แล้ว เปรียบเทียบกับตัวอย่างที่ถ่าย ที่ 28 สัปดาห์ของการตั้งครรภ์ และคลอดนอกจาก ICCs เรายังดำเนินการวิเคราะห์เพื่อกำหนดวิธีการที่ดี OPFR ความเข้มข้นของ metabolite จากแต่ละจุดเวลา (เฉลี่ย 18 สัปดาห์ สัปดาห์ 28 และตัวอย่างการเกิด) จับลำดับอันดับของแสงตลอดการตั้งครรภ์ ครั้งแรก มีคำนวณความเข้มข้น metabolite ของเรขาคณิตของผู้หญิงแต่ละคน และผู้หญิงถูกจัดอันดับ (กรัมเฉลี่ยสัปดาห์ 18, 28 สัปดาห์ และเกิดตัวอย่าง) ผู้หญิงกับการ 4 สูงสุดกรัมความเข้มข้นถูกจัดเป็นกลุ่มความเสี่ยง "สูง" (ประเภทความเสี่ยงสูงจริง) ผู้หญิงถูกแล้วได้รับการจัดอันดับในแต่ละครั้งขึ้นอยู่กับความเข้มข้นในตัวอย่างแต่ละที่ (ประเภทการคาดการณ์ความเสี่ยง) ตารางฉุกเฉินถูกสร้างสำหรับแต่ละจุดเวลาเปรียบเทียบประเภทเปิดเผยคาดการณ์ประเภทความเสี่ยงสูงอย่างแท้จริง มีคำนวณแบบฟอร์มตารางฉุกเฉินแต่ละจุดเวลาได้แล้วรวมเป็นหนึ่งความไว specificity และตารางงานค่าบวก (PPV) และค่าคาดการณ์ลบ (NPV)

ผลลัพธ์ (ไทย) 3:

การประเมินความแปรปรวน
เราประเมินความแปรปรวนใน bdcpp กับ DPP ในสามวิธี ก่อนอื่น เราคาดระยะสั้น - ระยะยาวและความแปรปรวนใน bdcpp DPP ความเข้มข้นโดยการคำนวณสัมประสิทธิ์สหสัมพันธ์แสดง ( ICCS )การวัดให้วัดความน่าเชื่อถือของการวัดซ้ำตลอดเวลา และจะถูกคำนวณโดยการใช้อัตราส่วนของความแปรปรวนระหว่างหัวเรื่องกับผลรวมของความแปรปรวนระหว่างและภายในเรื่อง ( รอสเนอร์ , 2000 ) ICC ค่าตั้งแต่ 0 ถึงไม่ตรวจสอบ ที่ 1 แสดงสมบูรณ์แบบ คาร์บอนประสาน และช่วงความเชื่อมั่น 95% ได้ใช้ SAS Marco พัฒนาโดย Hamer ( 1995 ) , และใช้งานของ shrout และ fleiss ( 1979 ) การวัดคำนวณสำหรับการเก็บตัวอย่างในสัปดาห์ที่ 18 ของการตั้งครรภ์เพื่อจับภาพความน่าเชื่อถือระยะสั้น ( 3 ตัวอย่างละ 8 ผู้หญิง ; n = 24 ) และจุดตัวอย่างทั้งหมดถูกจับเพื่อความน่าเชื่อถือระยะยาว ในการวิเคราะห์ความแปรปรวนระยะยาวสามตัวอย่างที่เก็บจากผู้หญิงแต่ละคน ในช่วงสัปดาห์ที่ 18 ของการตั้งครรภ์ครั้งแรกเฉลี่ยเพื่อหลีกเลี่ยงการทำให้การวัดวัดที่ถ่ายในช่วงเวลาสั้นของเวลาและจากนั้นเปรียบเทียบกับตัวอย่างที่สัปดาห์ที่ 28 ของการตั้งครรภ์และคลอด

นอกจากการวัด เรายังดำเนินการวิเคราะห์เพื่อตรวจสอบว่า opfr ความเข้มข้น อุณหภูมิ จากแต่ละจุดเวลา ( 18 สัปดาห์เฉลี่ย28 สัปดาห์ และคลอดตัวอย่าง ) จับอันดับของการเปิดรับตลอดการตั้งครรภ์ ครั้งแรกของผู้หญิงในแต่ละระดับความเข้มข้นคำนวณค่าเฉลี่ยเรขาคณิตและผู้หญิงอยู่ ( กรัม 18 สัปดาห์เฉลี่ย 28 สัปดาห์ และตัวอย่างการเกิด ) ผู้หญิงกับ 4 ความเข้มข้นสูงสุด ( แบ่งเป็น " กลุ่มความเสี่ยงสูง " ( จริงความเสี่ยงสูงประเภท )ผู้หญิงก็อยู่ในแต่ละจุดเวลา ขึ้นอยู่กับสมาธิในแต่ละตัวอย่าง ( ทำนายประเภทแสง ) ตารางการจรถูกสร้างขึ้นสำหรับแต่ละจุดเวลาที่คาดการณ์การเปรียบเทียบประเภทกับจริงประเภทความเสี่ยงสูง ตารางการจรแบบฟอร์มแต่ละจุดเวลา แล้วรวมกันเป็นโต๊ะเดียวและความไว ความจำเพาะค่าพยากรณ์บวก ( PPV ) และลบค่าพยากรณ์ ( NPV ) ได้