Incidence and Risk Factors of Uterine Scar Dehiscence Identified at Elective Repeat Cesarean Delivery: A Case-Control Study
Notice bibliographique
Résumé
Background: The aim of this study was to determine the rate of uterine scar dehiscence among women undergoing elective repeat cesarean delivery and to investigate associated risk factors. Methods: This was a retrospective case-control study of patients with previous one or more lower segment transverse cesarean incisions giving birth by elective repeat cesarean delivery at two tertiary-care centers over a period of 1 year. Demographic data, previous and current obstetric events were recorded and compared among women with or without uterine scar dehiscence. Results: Among 588 patients included in this study, 27 cases of uterine scar dehiscence were identified with an incidence of 4.6%. This rate was not affected by maternal age, parity, co-morbidity, twin gestation, preoperative labor or previous preterm cesarean delivery. Factors significantly associated with uterine scar dehiscence were “preterm delivery” (OR: 2.76, 95% CI: 1.18 - 6.42), “tertiary cesarean delivery or higher” (OR: 2.56, 95% CI: 1.14 - 5.75) and “inter-delivery interval ≤ 24 months” (OR: 2.38, 95% CI: 1.04 - 5.44). No immediate adverse maternal or neonatal complications were noted. Conclusions: Uterine scar dehiscence is not uncommon among women undergoing elective repeat cesarean delivery. Increased risk was associated with preterm delivery, tertiary cesarean delivery or higher and short inter-delivery interval of ≤ 24 months. J Clin Gynecol Obstet. 2018;7(2):37-42 doi: https://doi.org/10.14740/jcgo481w
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 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».