Managing the Second Stage of Labor: Using Evidence to Guide Practice
Notice bibliographique
Résumé
ABSTRACT Objective: The primary objectives of this exploratory study were: (1) review the literature to identify evidence‐based labor management interventions, (2) re‐evaluate the “average” length of labor associated with good childbirth outcomes, and (3) determine if there is a consensus among labor and delivery nurse managers regarding the need to revise the Friedman's Labor Curve. Design: This pilot study utilized a comprehensive literature review and an anonymous cross‐sectional survey design. Surveys were mailed to 500 maternity care agencies in the United States, Canada, and Mexico with a return rate of 17.8% (n = 89). Each participating agency was asked to submit five patient cases to be included in the analysis. Sample and Setting: The sample of patient cases (n = 419) was drawn from randomly selected maternity care agencies throughout North America representing all sizes of agencies and geographic locations. The cases submitted for analysis represented women 14 to 44 years of age with varying ethnicities who received no regional anesthesia or oxytocin augmentation or induction. Results: The average length of the second stage of labor for women today is similar to the length described by Friedman in 1954. However, a wider range of “normal” was found in the current study. A review of literature suggests non‐directive pushing and a greater variety of birthing positions improves second‐stage labor outcomes. Most (87.6%) nurse managers believed that Friedman's Labor Curve should be revised to meet the needs of current patient populations, technological advances, and nursing responsibilities. Conclusions: The parameters, assessments, and interventions currently employed during the second stage of labor need to be re‐evaluated to incorporate the most recent evidence to support best practices.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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; 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 ».