Über die Vorhersage einer fetalen Hypoxämie in der Austreibungsphase mittels FIGO-Scores
Bibliographic record
Abstract
Die Überwachung der fetalen Herzfrequenz (FHF) sub partu gehört zur Routine im Kreißsaal. Postpartum wird der arterielle Säure-Basen-Status aus Nabelschnurblut bestimmt. Diese Messwerte lassen Rückschlüsse auf die Sauerstoffversorgung des Kindes sub partu zu. Fragestellung: Können mit Hilfe des standardisierten FIGO-Scores einzelne Herzfrequenzmuster in den letzten 30 präpartualen Minuten ermittelt werden, die eine fetale Sauerstoffunterversorgung rechtzeitig anzeigen? Methode: Retrospektiv wird untersucht, ob zwischen den vier Parametern des FIGO-Scores und der Kurzzeitvariation (STV) der FHF im CTG und des postpartual bestimmten Nabelarterien-pH-Wertes eine Korrelation besteht. Dazu werden die letzten 30 präpartualen Minuten der CTG-Verläufe von 95 CTGs analysiert, die in 3 Gruppen aufgeteilt sind. Die CTG-Aufzeichnung erfolgt in der zentralen Kreißsaalüberwachung über das CTG-Online-Programm der Firma Trium ® Analysis Online, das gleichzeitig eine Beurteilung der CTGs nach dem FIGO-Score vornimmt. U.a. anhand der CTG-Beurteilung wird sub partu über das weitere Procedere bezüglich des Geburtsverlaufes entschieden. Der Gesamtzustand des Neugeborenen hängt daher eng mit einer korrekten Beurteilung des CTGs zusammen. Ergebnisse: Die Auswertung von 95 HF-Mustern zeigt keinen signifikanten Zusammenhang bezüglich der STV sowie den anderen Parametern des FIGO-Scores und dem Säure-Basen-Haushalt. Zusammenfassung: Eine automatisierte Real-Time-Analyse der FHF verbessert nicht die semiquantitative, augenoptische Analyse erfahrener Kliniker. Es ist zweifelhaft, ob der FIGO-Score sensibel genug ist, den Gesundheitszustand des Neugeborenen vorherzusagen. CTG-Überwachung - FIGO-Score - Fetal Outcome - Fetale Herzfrequenz - Nabelarterien-pH
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".