Déclenchement du travail : prédicteurs des résultats (IOL-ID)

l'objectif est de créer un registre de base de données documentant le processus d'induction du travail (IOL) et d'appliquer des outils d'apprentissage automatique pour créer un score d'évaluation plus précis pour les médecins en tant que méthode de suivi contemporaine.

nous collecterons des données d'au moins 12 centres dans le monde décrivant l'évolution, les résultats, les complications maternelles ou fœtales et toute donnée connexe. Les données seront collectées après accord éthique et auprès de patients consentants de manière prospective. durant la période du 1er juillet 2020 au 30 juin 2021 (dates prévisionnelles).

chaque centre sera responsable de l'évaluation de la qualité, de la collecte des données et de la garantie que les données sont exactes, complètes et représentatives.

La collecte de données comprend l'examen pelvien de base (position cervicale, consistance, dilatation, effacement, position fœtale et score d'évêque), la méthode d'induction et leur heure d'administration par rapport à l'heure de l'index (début de la LIO), les résultats et l'heure des examens pelviens en série , le tonus cardiaque fœtal et les signes vitaux maternels. La saisie des données des examens en série se poursuivra pendant le travail actif et les résultats fœtaux et maternels seront signalés. Si le diagnostic d'échec de la LIO est posé et que l'équipe obstétricale décide de l'accouchement par césarienne, les critères de diagnostic/d'indication d'accouchement par césarienne seront rapportés. La durée du travail actif et la deuxième étape seront documentées, et les complications maternelles/périnatales seront signalées. les collecteurs doivent assurer la confidentialité et la sécurité des patients.

Critère d'intégration:-

• Femmes enceintes admises pour IOL, âgées de 18 à 40 ans
• Grossesse à terme ou peu prématurée (âge gestationnel à 34 semaines ou plus)
• Un tracé cardiaque fœtal rassurant avant IOL

Critère d'exclusion:-

• Retard de croissance fœtale avec indices Doppler anormaux
• Mort fœtale intra-utérine
• Infection intra-amniotique suspectée avant IOL
• Anomalies congénitales majeures fœtales
• Patients qui refusent l'IOL avant ou pendant l'IOL sans indication médicale

analyse statistique :- Les données seront décrites en utilisant (moyenne, médiane, écart type, intervalle) dans l'échantillon final. La méthode d'apprentissage automatique est supérieure aux méthodes statistiques traditionnelles car elle fournit une estimation robuste et automatique des relations complexes entre différentes variables et résultats cliniques. Les données seront utilisées comme xi et yi où xi présente les entrées (caractéristiques) et yi présente les variables dépendantes (résultats). La régression fonctionnelle est basée sur la machine à vecteurs de support en régressant les résultats yi sur les entrées xi. La validation du modèle sera effectuée via une estimation bootstrap pour évaluer la capacité prédictive des modèles de régression fonctionnelle. Les données seront divisées en données d'entraînement (environ 63 % des données) pour créer un modèle de prédiction où le bootstrap sera appliqué et des données de test où le modèle de prédiction sera validé. Les modèles d'apprentissage automatique seront créés à l'aide de Python 3.8.