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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 | 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 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 ».