Induzione del lavoro: predittori dei risultati (IOL-ID)

l'obiettivo è creare un registro di database che documenti il ​​processo di induzione del travaglio (IOL) e applicare strumenti di apprendimento automatico per creare un punteggio di valutazione più preciso per i medici come metodo di follow-up contemporaneo.

raccoglieremo dati da almeno 12 centri in tutto il mondo che descrivono il decorso, gli esiti, le complicanze materne o fetali e tutti i dati correlati. I dati saranno raccolti dopo l'approvazione etica e da pazienti consenzienti in modo prospettico. nel periodo dal 1 luglio 2020 al 30 giugno 2021 (date previste).

ogni centro sarà responsabile della valutazione della qualità, della raccolta dei dati e della garanzia che i dati siano accurati, completi e rappresentativi.

La raccolta dei dati include l'esame pelvico di base (posizione cervicale, consistenza, dilatazione, cancellazione, posizione fetale e punteggio Bishop), il metodo di induzione e il relativo tempo di somministrazione in relazione al tempo indice (inizio della IOL), i risultati e il tempo degli esami pelvici seriali , tono cardiaco fetale e segni vitali materni. L'inserimento dei dati da esami seriali continuerà durante il travaglio attivo e verranno riportati gli esiti fetali e materni. Se viene fatta la diagnosi di IOL fallita e l'équipe ostetrica decide il parto con taglio cesareo, verranno riportati i criteri di diagnosi/indicazione del parto cesareo. La durata del travaglio attivo e la seconda fase saranno documentate e verranno riportate le complicanze materne/perinatali. i collezionisti devono garantire la riservatezza e la sicurezza del paziente.

Criterio di inclusione:-

• Donne in gravidanza ricoverate per IOL, di età compresa tra i 18 ei 40 anni
• Gravidanza a termine o pretermine tardiva (età gestazionale a 34 settimane o oltre)
• Un rassicurante tracciato del cuore fetale prima della IOL

Criteri di esclusione:-

• Restrizione della crescita fetale con indici Doppler anomali
• Morte fetale intrauterina
• Sospetta infezione intra-amniotica prima della IOL
• Anomalie congenite maggiori del feto
• Pazienti che rifiutano la IOL prima o durante la IOL senza indicazione medica

analisi statistica: - I dati saranno descritti utilizzando (media, mediana, deviazione standard, intervallo) nel campione finale. Il metodo di apprendimento automatico è superiore ai metodi statistici tradizionali in quanto fornisce una stima robusta e automatica di relazioni complesse tra diverse variabili e risultati clinici. I dati saranno utilizzati come xi e yi dove xi presenta input (caratteristiche) e yi presenta variabili dipendenti (risultati). La regressione funzionale si basa sulla macchina vettoriale di supporto regredendo i risultati yi sugli input xi. La validazione del modello sarà eseguita tramite stima bootstrap per valutare la capacità predittiva dei modelli di regressione funzionale. I dati verranno suddivisi in dati di addestramento (circa il 63% dei dati) per creare un modello di previsione in cui verrà applicato il bootstrap e testare i dati in cui il modello di previsione verrà convalidato. I modelli di machine learning verranno creati utilizzando python 3.8.