Geburtseinleitung: Prädiktoren der Ergebnisse (IOL-ID)

Ziel ist es, ein Datenbankregister zu erstellen, das den Prozess der Geburtseinleitung (IOL) dokumentiert, und Tools des maschinellen Lernens anzuwenden, um eine präzisere Bewertungsbewertung für Ärzte als zeitgemäße Nachsorgemethode zu erstellen.

Wir werden Daten von mindestens 12 Zentren weltweit sammeln, die den Verlauf, die Ergebnisse, mütterliche oder fetale Komplikationen und alle damit verbundenen Daten beschreiben. Die Daten werden nach ethischer Zustimmung und prospektiv von einwilligenden Patienten erhoben. im Zeitraum vom 1. Juli 2020 bis 30. Juni 2021 (voraussichtliche Termine).

Jedes Zentrum ist für die Qualitätsbewertung, die Datenerfassung und die Sicherstellung der Genauigkeit, Vollständigkeit und Repräsentativität der Daten verantwortlich.

Die Datenerhebung umfasst die Basisuntersuchung des Beckens (Zervixposition, Konsistenz, Dilatation, Auslöschung, fetale Position und Bishop-Score), die Induktionsmethode und deren Verabreichungszeitpunkt im Verhältnis zur Indexzeit (Beginn der IOL), Befunde und Zeitpunkt der seriellen Beckenuntersuchungen , fetaler Herztonus und mütterliche Vitalzeichen. Die Eingabe von Daten aus Reihenuntersuchungen wird während der aktiven Wehen fortgesetzt, und fetale und mütterliche Ergebnisse werden gemeldet. Wenn die Diagnose einer fehlgeschlagenen IOL gestellt wird und das Geburtshilfeteam die Entbindung per Kaiserschnitt entscheidet, werden die Kriterien für die Diagnose/Indikation einer Kaiserschnittentbindung mitgeteilt. Die Dauer der aktiven Wehen und das zweite Stadium werden dokumentiert, und mütterliche/perinatale Komplikationen werden gemeldet. die Sammler müssen die Vertraulichkeit und Sicherheit der Patienten gewährleisten.

Einschlusskriterien:-

• Schwangere Frauen im Alter zwischen 18 und 40 Jahren, die für IOL zugelassen sind
• Termin- oder späte Frühschwangerschaft (Gestationsalter ab 34 Wochen)
• Eine beruhigende fetale Herzaufzeichnung vor IOL

Ausschlusskriterien:-

• Fetale Wachstumsbeschränkung mit abnormalen Doppler-Indizes
• Intrauteriner Fruchttod
• Verdacht auf intraamniotische Infektion vor IOL
• Fötale große angeborene Anomalien
• Patienten, die IOL vor oder während IOL ohne medizinische Indikation ablehnen

statistische Analyse:- Die Daten werden unter Verwendung von (Mittelwert, Median, Standardabweichung, Bereich) in der endgültigen Stichprobe beschrieben. Die Methode des maschinellen Lernens ist traditionellen statistischen Methoden überlegen, da sie eine robuste und automatische Schätzung komplexer Beziehungen zwischen verschiedenen Variablen und klinischen Ergebnissen ermöglicht. Daten werden als xi und yi verwendet, wobei xi Eingaben (Merkmale) darstellt und yi abhängige Variablen (Ergebnisse) darstellt. Die funktionale Regression basiert auf der Support-Vektor-Maschine, indem die Ergebnisse yi auf die Eingaben xi regressiert werden. Die Modellvalidierung wird mittels Bootstrap-Schätzung durchgeführt, um die Vorhersagefähigkeit der funktionalen Regressionsmodelle zu bewerten. Die Daten werden in Trainingsdaten (ca. 63 % der Daten) aufgeteilt, um ein Vorhersagemodell zu erstellen, bei dem Bootstrapping angewendet wird, und Testdaten, bei denen das Vorhersagemodell validiert wird. Modelle für maschinelles Lernen werden mit Python 3.8 erstellt.