MétaCan
Menu
Retour à la cohorte
Enregistrement W2999668322 · doi:10.5772/intechopen.90775

Cesarean Scar Defect Manifestations during Pregnancy and Delivery

2020· book-chapter· en· W2999668322 sur OpenAlexaff
Ospan A. Mynbaev, Ioannis Kosmas, Zhongjie Shi, Sergei V. Firichenko, Avinoam Tzabari, Lin Ma, Leila Kindarova, Tatiana Babenko, Styliani Salta, Antonio Malvası, Ivano Raimondo, Andrea Tinelli, Victor Gomel, Michael Stark

Notice bibliographique

RevueIntechOpen eBooks · 2020
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueMaternal and Perinatal Health Interventions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCesarean deliveryMedicineObstetricsPregnancyBiology

Résumé

récupéré en direct d'OpenAlex

The cesarean scar is a significant risk factor for the following pregnancies and especially deliveries. In this chapter, we discussed the diagnosis, incidence, detection, manifestations, and prognosis of pregnancy and delivery with cesarean scars. A systematic review of current literature showed that a manifestation of cesarean scars during the following pregnancies is not predictable, in general, although modern visualization technologies could reveal some specific features of scar defects that are associated with complications during pregnancy and delivery. However, there is no factor, which could serve as the main prognostic guide for obstetricians to make a decision for VBAC, thus Edwin Cragin’s phrase “once a cesarean, always a cesarean” has represented the essential healthcare issue over the century. At the moment, the most reasonable measurements to prevent uterine scar complications are reducing the rate of Cesarean Sections, opening the uterus transversely in the lower segment, and stitching the uterus with one layer only continuously using a big needle preferable by Stark technique of Cesarean section.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Étude de cas · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,043
Tête enseignante GPT0,295
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeÉtude de cas
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetMaternal and Perinatal Health InterventionsTravaux en français237 207