Intrapartum amnioinfusion for meconium‐stained amniotic fluid: a systematic review of randomised controlled trials
Notice bibliographique
Résumé
BACKGROUND: Amnioinfusion (AI) is thought to dilute meconium when present in the amniotic fluid and so reduces the risk of meconium aspiration. OBJECTIVES: To evaluate if AI reduces meconium aspiration syndrome (MAS) and other indicators of morbidity in babies born to women with meconium-stained amniotic fluid (MSAF). SEARCH STRATEGY: PubMed, Medline, EMBASE, and the Cochrane Controlled Trials Register from January 1980 to May 30, 2005, using the keywords 'amnioinfusion' and 'meconium'. SELECTION CRITERIA: Randomised trials comparing AI with no AI for women in labour with MSAF. Trial quality was evaluated using pre-established criteria. DATA COLLECTION AND ANALYSIS: The following morbidity indicators were assessed: MAS, 5-minute Apgar score < 7, arterial cord pH < 7.2, and caesarean section. Studies were stratified according to the level of peripartum surveillance (standard versus limited). Typical relative risks (RRs) with their 95% confidence intervals were calculated for each outcome using a random effects model. MAIN RESULTS: In clinical settings with standard peripartum surveillance, we found no evidence that AI reduced the risk of MAS (RR 0.59, 95% CI 0.28-1.25), 5-minute Apgar score < 7 (RR 0.90, 95% CI 0.58-1.41), or caesarean delivery (RR 0.89, 95% CI 0.73-1.10). In clinical settings with limited peripartum surveillance, AI appeared to reduce the risk of MAS (RR 0.25, 95% CI 0.13-0.47). CONCLUSION: In clinical settings with standard peripartum surveillance, the evidence does not support the use of AI for MSAF. In settings with limited peripartum surveillance, where complications of MSAF are common, AI appears to reduce the risk of MAS. However, this finding requires confirmation by further studies.
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 | 0,033 | 0,336 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,019 | 0,005 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».