A Predictive Model for Cesarean Among Low‐Risk Nulliparous Women in Spontaneous Labor at Hospital Admission
Notice bibliographique
Résumé
BACKGROUND: To determine if maternal characteristics measurable upon admission to hospital predict cesarean among low-risk spontaneously laboring nulliparous women. METHODS: We undertook a secondary analysis of data from a clinical trial of early labor support for nulliparous women carrying a singleton fetus in cephalic presentation at 37-41 weeks of gestation in British Columbia, Canada. Study participants did not have any discernible risk factors for cesarean at the onset of labor. We developed a prediction model using logistic regression from a sample of 1,302 participants. Internal validation of the model was accomplished by 10-fold cross validation, after which probability scores were calculated based on the mean logistic regression model. To determine the accuracy of our predictive model, we calculated the specificity and sensitivity and the area under the receiver operating curve. RESULTS: Advanced maternal age, shorter maternal height, greater gestational age, perception of labor lasting more than 24 hours, and mild or moderate contractions, less cervical dilation, and higher fetal station at time of hospital admission independently predicted cesarean. The C-statistic for the predictive model was 0.71 (0.64-0.75) and the sensitivity and specificity of the model were 0.80 (95% CI 0.76-0.84) and 0.48 (95% CI 0.44-0.52), respectively. CONCLUSIONS: Among nulliparous women without apparent risk for cesarean at the time of hospital admission, cesarean delivery can be predicted with 70 percent accuracy using routinely collected information. Tailoring intrapartum care to promote vaginal birth according to a prediction model for cesarean risk deserves further study among apparently low risk 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 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 | 0,000 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».