多通道电动歇斯底里学使子宫收缩的特征及其在分娩评估中的影响成为可能

科学领域:

• 生物医学工程 生物医学工程
• 产科和妇科 产科和妇科
• 信号处理 信号处理

背景情况:

• 监测子宫收缩对于预测分娩开始至关重要.
• 传统的触动力学缺乏关于收缩同步和一致性的信息.
• 电动体图 (EHG) 提供时空数据来描述子宫活动.

研究的目的:

• 开发和验证一种使用EHG信号来量化子宫收缩同步性和一致性的新方法.
• 评估EHG衍生特征在预测即将到来的劳动过程中的有效性.

主要方法:

• 收缩的时间窗口是从托科力气计 (TOCO) 信号中识别出来的.
• 同时记录的多通道EHG信号被细分.
• 样本 (SamEn) 和基于对应相关的特征 (ψ) 从EHG段计算,以量化同步性和连贯性.
• 分析了来自冰岛EHSG数据库的122个EHSG记录.

主要成果:

• SamEn和 ψ都显示出不同时间到交付 (TTD) 的组之间存在显著差异 (p<10−5).
• 接收器运行特征曲线分析得出SamEn的AUC值为0.834和 ψ的0.726在分辨迫在眉的劳动 (TTD ≤24小时).
• 与一般怀孕组 (0.3774) 相比,SamEn在即将产生的分娩组 (0.1433) 中明显较低.
• 最优的SamEn截止值实现了0.909的灵敏度,0.712的特异性和0.743的准确性,用于识别即将到来的分娩.

结论:

• 电高压信号分析提供了一种新且有效的方法来表征子宫收缩的同步性和一致性.
• 与现有方法相比,拟议的方法在预测即将到来的分娩方面表现优越.
• 这项研究开辟了一个新的研究方向,用于在产科中利用EHG来改善分娩预测.