Análise retrospectiva multicêntrica Sobre o artigo A duração do segundo estágio do trabalho de parto é um fator crítico na condução obstétrica, sendo associada a desfechos maternos e neonatais. Extensões dessa fase podem reduzir cesarianas primárias, porém aumentam os riscos de morbidades. Não existe, até o momento, uma ferramenta robusta para prever individualmente sua duração. Este estudo propõe um modelo de predição baseado em aprendizado de máquina (machine learning – ML), com objetivo de oferecer suporte à tomada de decisão clínica. Métodos utilizados Estudo retrospectivo multicêntrico, realizado entre 2013 e 2022 em quatro hospitais terciários chineses. Incluíram-se partos vaginais únicos, a termo, com apresentação cefálica. Foram criados dois modelos binários para prever se a duração do segundo estágio ultrapassaria 1 hora ou 2 horas. Utilizou-se um conjunto de dados de três hospitais (derivação) e outro geograficamente independente (validação externa). A seleção de variáveis foi realizada por Recursive Feature Elimination (RFE) e os algoritmos testados incluíram Gradient Boosting (GB), Random Forest, KNN e Naive Bayes. Resultados Foram analisados 63.401 partos, dos quais 44.391 compuseram o conjunto de derivação e 19.010 o de validação. O modelo com melhor desempenho foi o GB, que alcançou AUC de 0,808 (modelo 1h) e 0,824 (modelo 2h) na validação interna, e 0,862 e 0,859, respectivamente, na validação externa. O modelo final incorporou oito variáveis clínicas, entre elas: idade materna, paridade, duração do primeiro estágio, posição fetal não-OA, uso de analgesia epidural, ruptura prematura das membranas, ruptura artificial das membranas e idade gestacional. Discussão Este é o primeiro estudo a empregar modelos explicáveis de IA para prever a duração do segundo estágio do parto. A utilização de variáveis clínicas simples e não invasivas possibilita ampla aplicabilidade prática. O modelo pode identificar mulheres com maior probabilidade de ter segundo estágio prolongado, auxiliando na individualização do manejo obstétrico. A adição de variáveis como peso materno, uso de ocitocina e presença de caput succedaneum aumentou ainda mais o desempenho preditivo em análises subsequentes. Conclusão Modelos preditivos baseados em inteligência artificial podem estimar de forma precisa a duração do segundo estágio do trabalho de parto, promovendo uma gestão personalizada e segura. Essa abordagem pode contribuir para a redução de intervenções desnecessárias e melhora nos desfechos maternos e neonatais. Insights clínicos Quais fatores clínicos estão associados à duração prolongada do segundo estágio do parto? Fatores como nuliparidade, maior duração do primeiro estágio, idade materna avançada, uso de analgesia epidural, posição fetal não occipito-anterior e ruptura prematura ou artificial das membranas foram associados à maior duração do segundo estágio. Como o modelo de IA pode ser integrado na prática clínica obstétrica? Através de uma calculadora online baseada no modelo GB, é possível inserir dados clínicos do pré-parto e prever a probabilidade de o segundo estágio ultrapassar 1h ou 2h, permitindo individualização do plano de parto. Qual a performance preditiva dos modelos desenvolvidos? O modelo GB apresentou AUC de até 0,862 para previsão de estágio >1h e 0,859 para >2h na validação externa, indicando alta acurácia. Esse modelo pode ser aplicado em partos operatórios? Não. O estudo incluiu apenas partos vaginais espontâneos, sendo o modelo não aplicável a cesarianas ou partos instrumentais. A inclusão de variáveis adicionais melhora o modelo? Sim. A adição de peso materno, uso de ocitocina e presença de caput succedaneum elevou o AUC do modelo para 0,864, com ganho significativo em sensibilidade e especificidade. Para ver mais conteúdos como este, acesse: NeoPed Hub
Faça login para acessar o conteúdo
ou cadastre-se. | ESQUECI MINHA SENHA
