The Development of a Prediction Model for Vaginal Birth After Cesarean Section (VBAC) [34P]
Notice bibliographique
Résumé
INTRODUCTION: Pregnant women who have had a previous cesarean section face the decision to either undergo a repeat elective cesarean or to attempt vaginal birth after cesarean (VBAC). The goal of this project was to determine the factors that predict success of VBAC in women with one prior cesarean section in the population of British Columbia, Canada. METHODS: Data were drawn from the British Columbia Perinatal Data Registry. We performed a retrospective analysis of 8291 cephalic term singleton planned vaginal births in British Columbia to women with a previous cesarean. Using block multivariate logistic regression, we analyzed the variables, both modifiable and non-modifiable, most predictive of successful VBAC. A result was considered statistically significant if its p value was <.05. RESULTS: Of the 8291 planned VBAC births, 5960 were successful, while 2331 resulted in cesarean deliveries. Predictive variables were: maternal age, height and BMI, whether or not she had a vaginal birth within 2 years of the planned VBAC, whether she had a recurrent indication for the prior cesarean, whether she was administered oxytocin or prostaglandins for labor augmentation or induction, whether she was given an epidural, and the size of hospital in which she gave birth. CONCLUSION: A prediction model, incorporating eight variables has been developed. This model can inform shared decision-making and guide individualized counselling for eligible women on the chance of VBAC success. We hope that this prediction model will contribute to the literature and ultimately lower the probability of complications and adverse outcomes in childbirth.
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 | 0,005 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».