Scars that speak: my experience and evidence on uterine niche repair, fertility, and the hidden legacy of cesarean section — a systematic review in the Saudi context
Notice bibliographique
Résumé
Abstract Background Caesarean-section (CS) rates in Saudi Arabia are relatively high, and the downstream scars may form a uterine “niche” (caesarean-scar defect) linked to abnormal bleeding, pelvic discomfort, and impaired fertility. Objective To synthesise evidence on (1) the relationship between uterine niche and fertility and (2) the effect of niche repair on reproductive outcomes, with implications for the Saudi community. Methods A PRISMA-guided search of PubMed, Embase, Scopus and Cochrane Library (through September 2025) identified studies reporting fertility or obstetric outcomes in women with a niche and after surgical repair (hysteroscopic, laparoscopic or transvaginal). Data were extracted on pregnancy, live-birth, miscarriage, residual myometrial thickness (RMT), and complications. Quality was assessed with Newcastle–Ottawa and Cochrane RoB tools. Results Eighteen studies met inclusion criteria (1 RCT, 5 prospective cohorts, 12 retrospective series). Niche prevalence after CS ranged 24–70% by TVUS and 56–84% by sonohysterography. Niche presence was associated with delayed conception and lower implantation/live-birth rates in some IVF cohorts. Surgical repair improved symptoms and, in pooled analyses, increased spontaneous pregnancy (relative risk ≈ 2.4 vs. non-treated), though heterogeneity and bias limit certainty. Saudi-specific data remain scarce, but national statistics confirm high CS utilisation. Conclusions In the Saudi context, uterine niche is a meaningful, under-recognised driver of subfertility after CS. Repair appears promising for selected symptomatic infertile women, pending larger controlled trials with long-term follow-up.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».