Video Experimental Relacionado
Updated: May 12, 2026
14:56
An Experimental Paradigm for the Prediction of Post-Operative Pain PPOP
Published on: January 27, 2010
21.5K
Modelos de predicción para lesiones del esfínter anal obstétrico (OASIS): una revisión sistemática y una evaluación
Ellen S Mooren1, Jeroen van Bavel2, Anita C J Ravelli3
1Department of Obstetrics and Gynaecology, Hospital Rivierenland Tiel, Tiel, the Netherlands.
BJOG : an international journal of obstetrics and gynaecology
|August 27, 2025
Resumen
Los modelos de predicción para lesiones del esfínter anal obstétrico (OASIS) son actualmente de baja calidad y no están listos para su uso clínico. La investigación futura necesita cohortes más grandes y una validación externa para una evaluación de riesgos confiable.
Área de la Ciencia:
- Obstetricia y ginecología
- Modelado de predicción clínica
- Investigación sobre la salud materna
Sus antecedentes:
- Las lesiones del esfínter anal obstétrico (OASIS) representan un riesgo de morbilidad materna.
- Se están desarrollando modelos de predicción para estimar el riesgo individual de OASIS.
Objetivo del estudio:
- Identificar y evaluar críticamente los estudios sobre el desarrollo y la validación de modelos de predicción OASIS.
- Evaluar la metodología y la aplicabilidad clínica de los modelos existentes.
Principales métodos:
- Revisión sistemática siguiendo las directrices de PRISMA y CHARMS.
- He buscado en PubMed, en la Biblioteca Cochrane y en Scopus.
- Evaluación del riesgo de sesgo y aplicabilidad con PROBAST.
Principales resultados:
- Se incluyen 16 artículos con 25 modelos de predicción OASIS.
- La discriminación del modelo osciló entre 0,64 y 0,83.
- Todos los modelos mostraron limitaciones, con preocupaciones con respecto a la generalización, el riesgo de sesgo y la aplicabilidad clínica; no se encontraron estudios de validación externos.
Conclusiones:
- Los modelos de predicción OASIS actuales son de baja a moderada calidad y aún no son clínicamente aplicables.
- Los modelos futuros requieren el desarrollo utilizando cohortes multicéntricos más grandes y generalizables con predictores clínicamente relevantes y validación robusta.
