MétaCan
Menu
Retour à la cohorte
Enregistrement W3020696858 · doi:10.1097/01.aog.0000664628.42748.8c

Maternal Heart Rate in Labor and the Potential for Confusion With Fetal Heart Rate [20L]

2020· article· en· W3020696858 sur OpenAlexaff
Lawrence Oppenheimer, Emma Faught

Notice bibliographique

RevueObstetrics and Gynecology · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal and fetal brain pathology
Établissements canadiensOttawa Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineConfusionHeart rateFetal heart rateFetusCardiotocographyCardiologyOxygenationOxygen saturationFetal heartPregnancyInternal medicineAnesthesiaObstetricsBlood pressure

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: A source of error in electronic fetal monitoring occurs where there is confusion between the maternal heart rate (MHR) and the fetal heart rate (FHR). The fetal transducer can detect the MHR rather than the FHR. We studied the MHR during labor to determine the proportion of cases where the MHR was in the fetal range (>110 bpm) and could potentially cause confusion. METHODS: Consecutive cases of low risk patients in labor were studied. Cases required a minimum of 2 hours of archived continuous electronic monitoring of both the MHR (by oxygenation saturation probe) and FHR prior to full dilatation. For individual patients, MHR baseline was averaged over each hour in labor and the results express as the proportion of all MHRs >110 bpm during each hour before and after full dilatation. RESULTS: There were 80 labors included in the study with data available for a total range of 10 hours. In the first stage only 2.5% of labors had an MHR>110 bpm 7 hours prior to full dilation, rising to 15% at full dilatation. In the second stage this rose to 30% after 2 hours and 45% after 3 hours. CONCLUSION: An MHR in the fetal range is common in labor especially in the second stage. The potential for confusion is very significant and this can lead to poor outcomes if an abnormal FHR is misidentified as MHR in the apparently normal range.

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)0,005
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,234
Écart entre enseignants0,224 · 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'étudeObservationnel
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 revueObstetrics and GynecologyMême sujetNeonatal and fetal brain pathologyTravaux en français237 207