PLD.54 The influence of Operator characteristics in the rate of Caesarean Section in the Second Stage of Labour
Notice bibliographique
Résumé
Introduction The aim of this study was to identify operator characteristics that may influence the rate of CS in the second stage compared to overall rate of CS. Methods Within this tertiary level unit in Canada, the labour ward is staffed full time by two trained obstetric staff, supported by trainees; the ultimate decisions regarding mode of delivery is made between staff and patient. Caesarean sections performed in the second stage of labour were identified from medical records and classified by the staff making the decision to perform the operation. Results Between January 2007 and December 2012, 29,779 infants were delivered in Mount Sinai Hospital. Of these, 11,140 infants were delivered by caesarean section, of which 821 were CS in the second stage of labour (7.3% of all CS, 2.7% of all deliveries overall). Male obstetricians had a lower rate of CS in the second stage compared to female obstetricians (male 7.2% vs. female 9% p = 0.01). Staff practicing less than ten years since graduation had a higher rate of CS in the second stage than those with greater than ten years post graduation experience (11% (<10 years) vs. 7% (>10 years) p < 0.01). Conclusion While fetal and maternal factors can influence the decision on mode of delivery in the second stage of labour, the personal characteristics of the operator may also have an effect. Operators may benefit from this knowledge in awareness of how this may affect their counselling of women.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».