Développement et validation d'un algorithme de régression logistique pour prédire le risque de lésion obstétricale du sphincter anal.

Plan de recherche pour le développement et la validation d'un algorithme dérivé de la régression logistique pour estimer le risque de lésion obstétricale du sphincter anal

Objectif L'objectif de cette étude est de développer et de valider des modèles de prédiction du risque d'AVS dans des scénarios à risque élevé et faible.

Conception de l'étude L'étude sera limitée à 10 ans de 2009 à 2018. La principale source de données sera le registre médical suédois des naissances (MBR). En outre, les données seront extraites du registre national des patients, qui comprend des données sur les épisodes de soins de santé dans les soins spécialisés en hospitalisation (hôpital) et en ambulatoire gérés par le Conseil national suédois de la santé et de la protection sociale et la base de données intégrée longitudinale suédoise pour l'assurance maladie et le travail. Études de marché maintenues par Statistics Sweden.

Les critères d'inclusion suivants seront appliqués :

• Le 1er et le 2ème accouchement vaginal, avec des informations sécurisées sur le nombre de naissances et le mode d'accouchement
• Grossesses uniques
• Semaine de gestation ≥37+0

Il est prévu d'analyser trois cohortes d'étude distinctes :

1. Le premier accouchement vaginal chez les femmes nullipares (à haut risque)
2. Le premier accouchement vaginal après une ou plusieurs césariennes antérieures (AVAC) (risque élevé)
3. Le deuxième accouchement vaginal (à faible risque) Les femmes de la cohorte 1 peuvent contribuer avec leur deuxième naissance à la cohorte 3. La principale différence entre les cohortes est l'information prénatale supplémentaire disponible dans les cohortes 2 et 3, par rapport à la cohorte 1.

Définition de l'issue d'une lésion obstétricale du sphincter anal Les registres médicaux suédois suivent la Classification internationale des maladies, 10e révision (CIM-10), pour l'OASI. Pour l'identification du résultat AVS, les codes suivants seront utilisés.

• CIM 070.2, O70.2C, O70.2D, O70.2E, O70.2F, O70.2X (déchirure au troisième degré, qui implique une partie ou la totalité du sphincter anal), et/ou
• ICD O70.3 (déchirure du quatrième degré, qui s'étend plus loin jusqu'à la muqueuse rectale) et/ou
• la variable "Sphincter, (SFINKTER)" est "1"
• le code des groupes liés au diagnostic chirurgical, MBC33 (suture d'une déchirure périnéale du troisième ou du quatrième degré).

Prédicteurs de lésion obstétricale du sphincter anal La sélection des variables prédictives candidates pour l'OASI sera basée sur nos travaux antérieurs sur l'OASI, une recherche de revues systématiques et de méta-analyses dans la littérature, et des informations cliniquement pertinentes et récupérables dans les registres.

Prédicteurs candidats :

Données démographiques maternelles Âge Poids en début de grossesse Prise de poids depuis la grossesse précédente Taille Indice de masse corporelle Tabagisme pendant la grossesse Éducation Revenu Pays de naissance Renseignements obstétricaux antérieurs (mère et nourrisson) Césarienne d'urgence Césarienne élective Score d'Apgar Grand pour l'âge gestationnel Poids à la naissance du nourrisson Circonférence crânienne du nourrisson Lésion obstétricale du sphincter anal Accouchement par ventouse Accouchement au forceps Induction du travail Accroissement du travail Épisiotomie Gain de poids depuis la grossesse précédente Maladies maternelles (actuelles) Cystite récurrente Maladies rénales chroniques Diabète de type I et II, avant la grossesse Épilepsie Asthme Maladie intestinale inflammatoire Lupus systémique érythémateux Maladies hypertensives Diabète de grossesse Travail Induction du travail* Accroissement du travail Épisiotomie Accouchement par ventouse Accouchement au forceps Anesthésie péridurale* Rachianesthésie* Caractéristiques de naissance du nourrisson Poids de naissance* Circonférence de la tête* Âge gestationnel* Grand pour l'âge gestationnel* Sexe* Présentation à l'accouchement Heure de la journée de naissance

Les prédicteurs prénatals conditionnels, variables de la cohorte 1, qui ne peuvent (ou pourraient) être déterminés ou planifiés qu'avant la naissance, comprennent les données démographiques et les maladies maternelles, l'âge gestationnel, la position fœtale, le sexe masculin, le déclenchement du travail et, dans certains cas , la présence de macrosomie. * À l'heure actuelle, le poids à la naissance du nourrisson, le tour de tête et l'âge gestationnel à l'accouchement sont documentés après l'accouchement. Cependant, la technique de biométrie échographique pour estimer le poids et le périmètre crânien du fœtus se développe, nous allons donc inclure ces variables dans tous les modèles.

Plan d'analyse statistique

L'approche de validation de l'échantillon fractionné sera utilisée avec une répartition temporelle en fonction de la période de naissance [ensemble de données de développement/formation 2012-2018 (~70 %) vs ensemble de données de validation/test 2009-2011 (~30 %)]. Les statistiques de régression logistique seront utilisées comme principal outil de modélisation prédictive. Un modèle sera développé à partir de l'ensemble de données d'apprentissage basé sur la minimisation des critères d'information bayésiens (BIC) en utilisant l'approche de "sélection du meilleur sous-ensemble". Les performances et la stabilité du modèle seront évaluées à l'aide d'une approche bootstrap avec 200 échantillons développant des modèles dans chaque échantillon et comparant avec le modèle de l'ensemble de données d'entraînement et le modèle global.

Les effets non linéaires seront évalués à l'aide de splines cubiques naturelles à 5 nœuds aux 5e, 27,5e, 50e, 72,5e et 95e centiles. Les effets linéaires et splines seront inclus simultanément dans la procédure de sélection du modèle, permettant une sélection basée sur les données entre les tendances linéaires et non linéaires. Les transformations et les seuils des variables prédictives peuvent être testés si nécessaire.

Le modèle développé sur les données d'apprentissage sera ensuite comparé aux données de validation à l'aide de parcelles d'étalonnage. Des systèmes de notation des risques seront générés à partir des modèles finaux pour obtenir des scores de risque individuels et des probabilités prédites. Les femmes seront divisées en trois groupes à risque : faible, moyen et élevé.

Trois modèles différents par cohorte seront construits (résultant en 3x2 = 6 modèles).

1. Prédicteurs connus avant la grossesse (Variables maternelles)
2. Prédicteurs connus post-partum (Variables maternelles + Grossesse + Néonatal + Travail)
3. Prédicteurs connus post-partum (Variables maternelles + Prédicteurs prénatals conditionnels)