Индукция родов: предикторы результатов (IOL-ID)

цель состоит в том, чтобы создать реестр базы данных, документирующий процесс индукции родов (ИОЛ), и применить инструменты машинного обучения для создания более точной оценки для врачей в качестве современного метода последующего наблюдения.

мы будем собирать данные как минимум из 12 центров по всему миру с описанием течения, исходов, осложнений у матери или плода, а также любые сопутствующие данные. Данные будут собираться после этического одобрения и от пациентов, давших согласие, в проспективном порядке. в период с 1 июля 2020 года по 30 июня 2021 года (предполагаемые даты).

каждый центр будет нести ответственность за оценку качества, сбор данных и обеспечение их точности, полноты и репрезентативности.

Сбор данных включает исходное тазовое обследование (положение шейки матки, консистенция, расширение, сглаживание, положение плода и оценка по шкале епископа), метод индукции и время их введения по отношению к индексному времени (начало ИОЛ), результаты и время серийных тазовых обследований. , сердечный тон плода и жизненные показатели матери. Ввод данных серийных обследований будет продолжаться во время активных родов, и будут сообщаться об исходах для плода и матери. Если поставлен диагноз неудачной ИОЛ, и акушерская бригада принимает решение о родоразрешении путем кесарева сечения, будут сообщены критерии диагноза/показания к кесареву сечению. Будут задокументированы продолжительность активных родов и второго периода, а также будут сообщены материнские/перинатальные осложнения. сборщики должны обеспечить пациенту конфиденциальность и безопасность.

Критерии включения:-

• Беременные женщины, госпитализированные для ИОЛ, в возрасте от 18 до 40 лет.
• Доношенная или поздняя недоношенная беременность (гестационный возраст 34 недели и более)
• Обнадеживающая трассировка сердца плода перед ИОЛ

Критерий исключения:-

• Задержка роста плода с аномальными допплеровскими показателями
• Внутриутробная гибель плода
• Подозрение на интраамниотическую инфекцию перед установкой ИОЛ
• Основные врожденные аномалии плода
• Пациенты, которые отказываются от ИОЛ до или во время ИОЛ без медицинских показаний

Статистический анализ: данные будут описаны с использованием (среднее значение, медиана, стандартное отклонение, диапазон) в окончательной выборке. Метод машинного обучения превосходит традиционные статистические методы, поскольку обеспечивает надежную и автоматическую оценку сложных взаимосвязей между различными переменными и клиническими результатами. Данные будут использоваться как xi и yi, где xi представляет ввод (функции), а yi представляет зависимые переменные (результаты). Функциональная регрессия основана на машине опорных векторов путем регрессии результатов yi на входах xi. Проверка модели будет выполняться с помощью начальной оценки, чтобы оценить прогностическую способность моделей функциональной регрессии. Данные будут разделены на обучающие данные (примерно 63% данных) для создания модели прогнозирования, в которой будет применяться самонастройка, и данных тестирования, в которых будет проверена модель прогнозирования. Модели машинного обучения будут создаваться с использованием Python 3.8.