Monitoring Fetal Electroencephalogram Intrapartum: A Systematic Literature Review
Notice bibliographique
Résumé
Background: Studies about the feasibility of monitoring fetal electroencephalogram (fEEG) during labor began in the early 1940s. By the 1970s, clear diagnostic and prognostic benefits from intrapartum fEEG monitoring were reported, but until today, this monitoring technology has remained a curiosity. Objectives: Our goal was to review the studies reporting the use of fEEG including the insights from interpreting fEEG patterns in response to uterine contractions during labor. We also used the most relevant information gathered from clinical studies to provide recommendations for enrollment in the unique environment of a labor and delivery unit. Data sources: PubMed. Eligibility criteria: The search strategy was: ("fetus"[MeSH Terms] OR "fetus"[All Fields] OR "fetal"[All Fields]) AND ("electroencephalography"[MeSH Terms] OR "electroencephalography"[All Fields] OR "eeg"[All Fields]) AND (Clinical Trial[ptyp] AND "humans"[MeSH Terms]). Because the landscape of fEEG research has been international, we included studies in English, French, German, and Russian. Results: From 256 screened studies, 40 studies were ultimately included in the qualitative analysis. We summarize and report features of fEEG which clearly show its potential to act as a direct biomarker of fetal brain health during delivery, ancillary to fetal heart rate monitoring. However, clinical prospective studies are needed to further establish the utility of fEEG monitoring intrapartum. We identified clinical study designs likely to succeed in bringing this intrapartum monitoring modality to the bedside. Limitations: Despite 80 years of studies in clinical cohorts and animal models, the field of research on intrapartum fEEG is still nascent and shows great promise to augment the currently practiced electronic fetal monitoring. Prospero number: CRD42020147474
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».