Inducción del parto: predictores de resultados (IOL-ID)

el objetivo es crear un registro de base de datos que documente el proceso de inducción del trabajo de parto (IOL) y aplicar herramientas de aprendizaje automático para crear una puntuación de evaluación más precisa para los médicos como un método de seguimiento contemporáneo.

recopilaremos datos de al menos 12 centros en todo el mundo que describan el curso, los resultados, las complicaciones maternas o fetales y cualquier dato relacionado. Los datos se recopilarán después de la aprobación ética y de pacientes que consientan de manera prospectiva. durante el período del 1 de julio de 2020 al 30 de junio de 2021 (fechas previstas).

cada centro será responsable de la evaluación de la calidad, la recopilación de datos y de garantizar que los datos sean precisos, completos y representativos.

La recopilación de datos incluye el examen pélvico inicial (posición cervical, consistencia, dilatación, borramiento, posición fetal y puntuación de obispo), el método de inducción y su tiempo de administración en relación con el tiempo índice (inicio de la LIO), los hallazgos y el tiempo de los exámenes pélvicos en serie , tono cardíaco fetal y signos vitales maternos. La entrada de datos de los exámenes en serie continuará durante el trabajo de parto activo y se informarán los resultados fetales y maternos. Si se realiza el diagnóstico de LIO fallido y el equipo obstétrico decide parto por cesárea, se informarán los criterios de diagnóstico/indicación de parto por cesárea. Se documentará la duración del trabajo de parto activo y la segunda etapa, y se informarán las complicaciones maternas/perinatales. los recolectores deben garantizar la confidencialidad y seguridad del paciente.

Criterios de inclusión:-

• Embarazadas ingresadas para LIO, con edad entre 18 a 40 años
• Embarazo a término o prematuro tardío (edad gestacional a las 34 semanas o más)
• Trazado cardíaco fetal tranquilizador antes de la LIO

Criterio de exclusión:-

• Restricción del crecimiento fetal con índices Doppler anormales
• Muerte fetal intrauterina
• Sospecha de infección intraamniótica previa a la LIO
• Anomalías congénitas mayores del feto
• Pacientes que rechazan la LIO antes o durante la LIO sin indicación médica

análisis estadístico: los datos se describirán utilizando (media, mediana, desviación estándar, rango) en la muestra final. El método de aprendizaje automático es superior a los métodos estadísticos tradicionales, ya que proporciona una estimación robusta y automática de relaciones complejas entre diferentes variables y resultados clínicos. Los datos se utilizarán como xi e yi, donde xi presenta entradas (características) e yi presenta variables dependientes (resultados). La regresión funcional se basa en la máquina de vectores de soporte mediante la regresión de los resultados yi en las entradas xi. La validación del modelo se realizará mediante una estimación de arranque para evaluar la capacidad predictiva de los modelos de regresión funcional. Los datos se dividirán en datos de entrenamiento (aproximadamente el 63 % de los datos) para crear un modelo de predicción donde se aplicará el arranque y datos de prueba donde se validará el modelo de predicción. Los modelos de aprendizaje automático se crearán utilizando Python 3.8.