Prediction Models for Determining the Success of Labor Induction: A Systematic Review [35C]
Notice bibliographique
Résumé
INTRODUCTION: The purpose of this study was to systematically identify all derived and/or validated clinical prediction models for labor induction containing universally accessible factors and compare their performance to inform the development of a model that could be recommended for clinical practice. METHODS: Four databases were searched from inception to November, 2017 for studies that derived and/or validated clinical prediction models containing antenatal history and cervical examination. Risk-of-bias of included studies was assessed using the Prediction Study Risk of Bias Assessment Tool. In view of anticipated heterogeneity between studies, only descriptive analysis was possible. RESULTS: We identified 16 studies describing 14 prediction models derived between 1966 and 2018. Models varied with regard to participant inclusion, sample size, considered and included variables, endpoint definitions, study design and performance. Of the derived models, six were validated internally and three externally. Performance was most commonly measured using the area under the receiver operator characteristic curve, which ranged from 0.68 to 0.79, 0.67 to 0.77 and 0.61 to 0.73 for derived, internally validated and externally validated models, respectively. Studies' risk-of-bias ranged between studies fulfilling 36% to 86% of eligible items. CONCLUSION: No published model to determine the success of vaginal birth after labor induction can be currently recommended for clinical use. In order to improve performance and uptake, researchers should incorporate attitudes of women and care providers, assess clinical and resource implications and adhere to recommendations made by this systematic review before deriving and validating prediction models for determining the success of labor induction.
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 | 0,048 | 0,200 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,010 | 0,021 |
| Bibliométrie | 0,015 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».