Cervicovaginal foetal fibronectin in predicting success of induced labour among nulliparous women: a systematic review
Notice bibliographique
Résumé
Background The global rates of labor induction continue to exhibit a surge, attributed to a range of medical, obstetric, and non-medical factors. Although the Bishop score is often used to assess cervical preparation, its ability to accurately predict outcomes, particularly in nulliparous women with an unfavorable cervix, is still unknown. Method A complete review of the literature was undertaken, including PubMed, EMBASE, Cochrane Library, and Google Scholar databases, with the search period extending until April 2023. The studies included in this analysis focused on investigating the predictive value of fFN concerning induced labor outcomes in nulliparous women. The process of data extraction primarily concentrated on the features of the study, interventions, controls, criteria for inclusion and exclusion, and the outcomes that were evaluated. The quality of the included studies was assessed using the Newcastle-Ottawa Scale. Results The review synthesized findings from five studies, revealing varied predictive values of fFN. Sciscione et al. (2005) reported no significant difference in vaginal delivery rates between positive and negative fFN groups (Positive fFN: 55.8% vs. Negative fFN: 53.3%; P > .70). Uygur et al. (2016) found a higher cesarean section rate in patients with negative fFN results (P = 0.002). Reis et al. (2003) highlighted that higher parity and Bishop scores were more predictive than fFN alone (P = .021 for funneling; P = .157 for fFN presence). Grab et al. (2022) and Khalaf et al. (2023) further corroborated fFN's role in predicting labor outcomes, with the latter study demonstrating high sensitivity (85%), specificity (80%), and accuracy (82.6%) in predicting successful labor induction (P < .05 for Bishop score relation with fFN; P = 0.029 for positive vs. negative fFN). Conclusion This systematic review validated that fFN is a significant biomarker for predicting labor induction outcomes, especially in nulliparous women. The combination of additional clinical factors with fFN has been shown to boost its prediction accuracy, indicating the need for a personalized strategy to labor induction.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,001 | 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 ».