Publicação: Avaliação do modelo de Grobman para predizer o sucesso de parto vaginal após cesárea anterior em um Hospital universitário do estado de São Paulo
Carregando...
Arquivos
Data
Orientador
Borges, Vera Therezinha Medeiros 
Coorientador
Pós-graduação
Ginecologia, Obstetrícia e Mastologia - FMB
Curso de graduação
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Tipo
Dissertação de mestrado
Direito de acesso
Acesso aberto
Resumo
Resumo (português)
Objetivos: Avaliar o modelo de Grobman para predizer o sucesso de parto vaginal após cesárea anterior em um Hospital universitário do Estado de São Paulo e testar a acurácia e calibração deste modelo nesta população. Métodos: Trata-se de um estudo de coorte retrospectivo de parturientes com antecedente de uma cesárea anterior, com gestação única, a termo, com feto vivo e apresentação cefálica, no período entre 2013 a 2015, assistidas numa maternidade de um Hospital universitário do Estado de São Paulo. As variáveis usadas para validação do modelo de Grobman foram obtidas nos prontuários eletrônicos, inseridas na fórmula e observada a taxa de sucesso em predizer o parto vaginal após cesárea (PVPC) para cada parturiente. As taxas de predição foram divididas em decis e comparadas com a taxa observada. Realizado o teste de calibração através do intercepto e inclinação; e o ponto de corte para predizer a taxa de sucesso de PVPC foi obtida pela curva ROC, sendo calculada a acurácia - utilizando-se o programa estatístico SPSS for Windows. Resultados: Foram avaliadas 416 parturientes e a taxa de sucesso de parto vaginal após cesárea foi de 53,8%. Realizado o teste de calibração através da Inclinação e Intercepto para comparação das taxas. A área sob a curva do modelo de Grobman foi de 0,71 (sensibilidade e especificidade de 70%). As taxas observadas de parto vaginal após cesárea são coincidentes quando as taxas previstas são superior a 58%. Calculada a acurácia 68%. Conclusão: O modelo de Grobman para predizer o sucesso de parto vaginal após cesárea anterior desenvolvido para a população americana é aplicável e tem uma boa acurácia na população estudada.
Resumo (inglês)
Objectives: To validate Grobman’s model to predict the success of vaginal delivery after a prior cesarean delivery at an University Hospital of São Paulo state and test the accuracy and calibration of the model in this population Methods: This is a retrospective cohort study of parturient women with a previous cesarean section, with single management, one term, with live and cephalic presentation, with no period between 2013 and 2015, attended at a maternity hospital in a university hospital in the State of São Paulo. Paulo. As variables used to validate the Grobman model, they were used in electronic medical records, inserted in the formula and observed with success rate in the predator or vaginal delivery after cesarean section (PVPC) for each parturient. As prediction rates, they were divided into decisions and compared with observed rates. The calibration test was performed through the intercept and slope; The cut-off point for the PVPC success rate predator was used by the ROC curve, being calculated with precision - using the statistical program SPSS for Windows. Results: 416 parturients were evaluated and the success rate of vaginal delivery after cesarean section was 53.8%. The calibration test was performed using the Slope and Intercept to compare the rates. The area under the curve of the Grobman model was 0.71 (sensitivity and specificity of 70%). The observed rates of vaginal delivery after cesarean section are coincident when the predicted rates are greater than 58%. The accuracy would be 68%. Conclusion: The Grobman model to predict the success of vaginal delivery after a previous cesarean section developed for the American population is applicable and has a good accuracy in the population studied.
Descrição
Palavras-chave
Parto vaginal, Parto vaginal após cesárea, Modelo de Grobman, Gestação, Pregnancy, Vaginal delivery, Grobman's Model
Idioma
Português
