Predicting Success and Reducing the Risks When Attempting Vaginal Birth After Cesarean
Notice bibliographique
Résumé
The goal of this manuscript is to review the contemporary evidence on issues pertinent to improving the safety profile of vaginal birth after cesarean (VBAC) attempts. Patients attempting VBAC have success rates of 60%–80%, and no reliable method of predicting VBAC failure for individual patients exists. The rate of uterine rupture in all patients ranges from 0.7% to 0.98%, but the rate of uterine rupture decreases in patients with a prior vaginal delivery. In fact, in patients with a prior vaginal delivery, VBAC appears to be safer from the maternal standpoint than repeat cesarean. Inevitably, the obstetrician today will encounter the situation of deciding whether or not to induce a patient with a uterine scar, and particular attention is paid to the success and risks of inducing labor in this patient population. Induction of labor is associated with a slightly lower successful vaginal delivery rate, although the rate remains above 50% in virtually all patient populations. The rate of uterine rupture increases slightly, but still remains around 2%–3%. Although misoprostol use is discouraged due to its association with increased risks of uterine rupture, transcervical catheters, oxytocin, and amniotomy may be used to induce labor in women attempting VBAC. Target Audience: Obstetricians & Gynecologists, Family Physicians Learning Objectives: After completion of this article, the reader should be able to summarize recent literature regarding vaginal birth after cesarean and list factors related to labor induction success among women with a history of cesarean delivery.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».