Induction of Labor and Risk of Third- and Fourth-Degree Perineal Tears [18P]
Notice bibliographique
Résumé
INTRODUCTION: The rate of induction of labor (IOL) at term has been increasing over the years. Our objective was to evaluate the risk of third- and fourth-degree perineal tears associated with term induction of labor. METHODS: We conducted a population-based, retrospective cohort study using the United States' Nationwide Inpatient Sample to evaluate the risk of third- and fourth-degree perineal tears in women who underwent IOL at term between 2005 and 2014. We included all term livebirths and excluded, preterm births, previous cesarean deliveries, multifetal gestations, and non-cephalic presentation. Women who underwent an IOL at term were identified using ICD-9 coding. Patient characteristics were compared between those women being induced at term with those who weren't, and logistic regression analysis were carried out to estimate the adjusted effect of IOL at term with risk of 3rd and 4th perineal tears RESULTS: Among 5,982,945 eligible live births, 1,035,003 (17.3%) underwent an IOL at term, increasing from 15.7% to 18.5%. Women with an IOL were more likely to be older, Caucasian, and with comorbid illnesses. Compared with women who did not undergo an IOL, women in the IOL group had lower risk of cesarean deliveries, 0.89 (0.88–0.89), 2nd degree tears, 0.89 (0.89–0.90), 3rd degree tears, OR 0.81 (95% CI 0.79–0.82) and 4th degree tears, OR 0.84 (95% CI 0.82–0.87). CONCLUSION: Induction of labor at term results in significantly lower risk of third- and fourth-degree perineal tears among all deliveries as well as among women with vaginal deliveries.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».