在劳动第二阶段开始时对新生儿不良结果的实际预测模型的开发
Mark A Clapp1, Siguo Li, Kaitlyn E James
1Department of Obstetrics and Gynecology, the Center for Quantitative Health, and the Department of Psychiatry, Massachusetts General Hospital, Harvard Medical School, the Department of Obstetrics and Gynecology, Brigham and Women's Hospital, and the Department of Obstetrics and Gynecology, Beth Israel Deaconess Medical Center, Boston, Massachusetts; and the Department of Obstetrics and Gynecology, University of South Florida, Tampa, Florida.
Obstetrics and gynecology
|October 31, 2024
概括
这项研究使用电子胎儿监测 (EFM) 数据开发了新生儿不良结果的预测模型. 后勤回归最好地预测了结果,确定了和胎儿心跳动作为关键风险因素.
科学领域:
- 产科和妇科 产科和妇科
- 新生儿医学 新生儿医学
- 医疗信息学 医疗信息学
背景情况:
- 预测新生儿不良后果对于改善婴儿健康至关重要.
- 电子胎儿监测 (EFM) 解释数据为风险预测提供了潜力.
- 将EFM数据与临床因素相结合,可以提高预测准确度.
研究的目的:
- 开发和比较新生儿不良结果的预测模型.
- 在分娩第二阶段开始时利用电子胎儿监测 (EFM) 解释数据和临床信息.
- 确定新生儿严重不良后果的关键预测因素.
主要方法:
- 在两个学术医疗中心进行了22,454次分娩的回顾性队列研究.
- 比较后勤回归,LASSO和极端梯度增强模型.
- 使用EFM解释数据,母体并发症和劳动特征来预测复合不良新生儿结果.
主要成果:
- 后勤回归显示了最高的分辨率 (0.690) 和良好的校准.
- 随着风险分层的增加,不良结果率增加了2.6% (风险没有增加),6.7% (风险更高),10.3% (风险最高).
- 的存在 (aOR 2.10),胎儿高心率 (aOR 1.94) 和之前的分娩 (aOR 0.77) 是显著的预测因素.
结论:
- 后勤回归模型有效地使用EFM数据和临床因素预测新生儿不良结果.
- 基于该模型的风险分层可以识别需要更密切监测的新生儿.
- 和胎儿心动减速是新生儿风险的重要指标.


