Validating a predictive model for caesarean section in low-risk nulliparous pregnancies
Notice bibliographique
Résumé
PROBLEM: Caesarean birth (CS) rates are steadily increasing. BACKGROUND: In 2017 Janssen et al. developed a model which could predict CB in nulliparous healthy woman with 71 % accuracy based on factors measurable on admission to the hospital. AIM: To validate the predictive model for risk of caesarean birth among low-risk, nulliparous women in a new setting. METHODS: A retrospective chart study in Abbotsford Regional Hospital (British Columbia, Canada) of healthy nulliparous women in spontaneous labour, at term, with a singleton fetus in cephalic position. Sociodemographic, pregnancy and labour-related characteristics were collected and independent predictors of CS were determined using multivariate logistic regression. The Janssen model was tested in the Abbotsford sample and additionally novel predictors were tested in an effort to improve the model. The area under the ROC curve (C-statistic) was computed and model calibration, sensitivity and specificity evaluated for the final model. FINDINGS AND DISCUSSION: Of 348 women, 106 (30.5 %) had a CB. Applying the Janssen predictive model to the Abbotsford data resulted in a C-statistic of 0.77. No new predictors were added to the model. The mean predicted risk score for CS in the cohort was 0.30 ± 0.20. A risk score cut-off of 0.32 was determined resulting in a sensitivity and specificity of 69 %. The model had acceptable calibration. CONCLUSION: A model with variables easily accessible at admission can predict caesarean birth in nulliparous women. The results from this study can guide provision of more intensive care during labour to women at higher risk, with the overall goal of reducing CB rates.
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 | 0,009 | 0,031 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».