CN106126966A - 剖宫产术后瘢痕妊娠大出血风险模型 - Google Patents
剖宫产术后瘢痕妊娠大出血风险模型 Download PDFInfo
- Publication number
- CN106126966A CN106126966A CN201610766756.6A CN201610766756A CN106126966A CN 106126966 A CN106126966 A CN 106126966A CN 201610766756 A CN201610766756 A CN 201610766756A CN 106126966 A CN106126966 A CN 106126966A
- Authority
- CN
- China
- Prior art keywords
- massive hemorrhage
- risk
- wang
- age
- typing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了剖宫产术后瘢痕妊娠大出血风险模型,包括以下参数指标:年龄、停经天数、超声分型、超声测量病灶最大径线;大出血风险回归方程为:大出血风险概率P=exp(w1)/[1+exp(w1)],其中w1=‑0.872‑0.039*年龄+0.018*停经时间+2.468*超声分型+0.017*超声测量病灶最大径线;超声分型以0或1指代,其中0为孕囊型;1为包块型;年龄的单位为岁,停经时间的单位为天,超声测量病灶最大径线的单位为mm。本发明要解决的技术问题是提供一种可有效筛查出容易大出血的瘢痕妊娠病例,使其及时得到有效治疗的剖宫产术后瘢痕妊娠大出血风险模型。
Description
技术领域
本发明涉及医学领域,具体涉及一种剖宫产术后瘢痕妊娠大出血风险模型。
背景技术
剖宫产术后瘢痕妊娠(cesarean scar pregnancy,CSP)是指妊娠组织着床并种植在既往剖宫产瘢痕处,是一种特殊类型的异位妊娠。其临床特点是易发生子宫破裂、胎盘粘连或植入、大出血切除子宫等严重并发症,甚至危及患者生命安全。
剖宫产术后瘢痕妊娠曾属一种罕见疾病,但近年来,随着我国二胎政策实施,首次及再次剖宫产率的升高,CSP的发病率迅速增高。有关CSP诊治国际上尚无统一指南,特别是如何及时甄别极易发生大出血高危型瘢痕妊娠,有效转诊到抢救技术、设备全面大型医院,临床上缺乏分级救治标准,临床上因诊治不当导致失血性休克而急诊子宫切除也时有发生。因此,有关CSP的分级救治研究成为世界范围内的研究热点。
发明人通过回顾性研究病例资料分析,对CSP风险因素进行单因素及多因素竞争风险回归分析,得出与大出血发生相关的独立危险因素,建立预测高危型瘢痕妊娠列线图模型。以期在基层医院应用,有效筛查出容易大出血瘢痕妊娠,及时有效转诊,最大限度保障患者安全。
发明内容
本发明要解决的技术问题是提供一种可有效筛查出容易大出血的瘢痕妊娠病例,使其及时得到有效治疗的剖宫产术后瘢痕妊娠大出血风险模型。
为了解决上述技术问题,本发明提供如下技术方案:剖宫产术后瘢痕妊娠大出血风险模型,包括以下参数指标:年龄、停经天数、超声分型、超声测量病灶最大径线;
大出血风险回归方程为:大出血风险概率P=exp(w)/[1+exp(w)],
其中w=-0.872-0.039*年龄+0.018*停经时间+2.468*超声分型+0.017*超声测量病灶最大径线;
超声分型以0或1指代,其中0为孕囊型;1为包块型;
年龄的单位为岁,停经时间的单位为天,超声测量病灶最大径线的单位为mm。。
采用本发明技术方案的剖宫产术后瘢痕妊娠大出血风险模型,发明人通过收集大量的病例,提取符合条件CSP患者详细病历资料,根据设计参数制定Excel表,详细记录患者年龄(岁)、职业(有/无)、孕次、剖宫产次、人流次数、末次剖宫产术距本次CSP时间(月)、停经时间(d)、早孕期阴道流血(有/无)、超声分型(孕囊型/包块型)、病灶最大径线(mm)、胎血管搏动(有/无)、治疗前HCG值(IU/L)、手术时间(分)、术中出血量(mL)、住院时间(d),共15项参数并进行赋值。最终确定患者年龄、停经天数、超声分型和超声测量病灶最大径线为建立本发明剖宫产术后瘢痕妊娠大出血风险模型的独立危险因子,从而利用统计学原理得到本发明的出血风险模型,经过临床抽取由本发明的大出血风险回归方程得到的高危患者,验证患者是否需要采用高危患者的治疗方式,验证的结果表明,本发明的剖宫产术后瘢痕妊娠大出血风险模型能够100%筛查出大出血病例,由此可见,本发明的大出血风险模型可有效筛查出容易大出血的瘢痕妊娠病例,使其及时得到有效治疗,可在基层医院使用,筛查后,及时转诊治疗,以免耽误治疗时机。
进一步,所述的大出血风险>44.20%时,为高危风险。患者风险概率>44.20%时,应采用高危组治疗方式:子宫动脉栓塞术联合化疗。临床随机抽取病例验证,当大出血风险概率>44.20%,全部采用高危组治疗方式,无一例子宫切除;大出血风险概率<44.20%,全部采用低危组治疗方式,无一例大出血;由此可见,以44.20%作为临界值的可靠性。
进一步,所述的大出血风险的列线图为,如图1所示。运用R软件,根据多因素回归分析确定最终的模型入组变量建立如图1所示的列线图,通过整合多个预测指标,并能个体化且精准地预测某结果事件的发生概率,依据入组变量的回归系数画出相应的便于临床使用的列线图模型。对于每个竞争风险回归模型中的变量,通过垂直线不同的变量取值都能在列线图顶端的积分线上得到相应的不同变量积分(默认为0-100分),随后相加所有的变量积分得到总分,进而通过总分线可以在列线图底部的预测线上得到相应的患者大出血发生的预测风险值,查看方便,直观反映大出血风险概率,操作方便,更适于推广。由于此列线图的年龄、停经时间、超声分型和超声测量病灶最大径线的数值标线均分别与图中第一行的分值数值标线存在对应关系,而且,总分的数值标线与概率的数值标线之间也存在对应关系,另外,每个数值标线的数值不同,且数值间的间距不同,无法用确切的数值或者语言描述得到比图示更准确的列线图,因此,本发明人采用如图1所示的特征限定技术特征。
附图说明
图1为本发明剖宫产术后瘢痕妊娠大出血风险模型的列线图;
图2是本发明列线图的一个案例的具体操作示意图;
图3是本发明列线图的另一个案例的具体操作示意图;
图4是初模组的ROC及相应的截断值;
图5是效验组的ROC及相应的截断值;
图6是初模组与效验组合并后ROC及AUC比较;
图7是效验组的列线图。
具体实施方式
一、本发明剖宫产术后瘢痕妊娠大出血风险模型的使用方法如下:
实施例一:
统计患者的年龄(岁)、停经时间(天)、超声分型(包块型或孕囊型)、超声测量病灶最大径线(mm),利用大出血风险回归方程,大出血风险概率P=exp(w)/[1+exp(w)],w=(-0.872-0.039)*年龄+0.018*停经时间+2.468*超声分型+0.017*超声测量病灶最大径线,计算大出血风险概率,当大出血风险概率>44.20%,采用高危组治疗方式;大出血风险概率<44.20%,采用低危组治疗方式。
具体操作时:
某患者的年龄为35岁,停经时间为50天,超声分型(测定为孕囊型),超声测量病灶最大径线为52mm,w1=-0.872-0.039*35+0.018*50+2.468*0+0.017*52=-0.453,大出血风险概率P=exp-0.453/(1+exp-0.453)=38.86%,由于38.86%<44.20%,因此采用低危组治疗方式。
某患者的年龄为33岁,停经时间为70天,超声分型(测定为包块型),超声测量病灶最大径线为73mm,w1=-0.872-0.039*33+0.018*70+2.468*1+0.017*73=2.81,大出血风险概率P=exp2.81/(1+exp2.81)=94.32%,由于94.32%>44.20%,因此采用高危组治疗方式。
实施例二:
如图1所示,利用列线图来计算大出血风险概率。
图1的列线图中:
Points:变量积分;
Age:年龄;
Gestational age at diagnosis(days):停经天数;
Ultrasonographic pattern:超声分型;
Max diameter(mm):超声测量病灶最大径线;
Total Points:总分;
Probability:概率值。
案例一:某患者的年龄为35岁,停经时间为50天,超声分型(测定为孕囊型),超声测量病灶最大径线为52mm。
如图2所示,患者的年龄为35岁,垂直连线得其变量积分为:20;停经时间为50天,垂直连线得其变量积分为:37.5;超声分型(测定为孕囊型),垂直连线得其变量积分为:0;超声测量病灶最大径线为52mm,垂直连线得其变量积分为:35;合计为:92.5,垂直连线得得到的概率值为0.38,即为38%,与用大出血风险概率计算的结果一致。
案例二:某患者的年龄为33岁,停经时间为70天,超声分型(测定为包块型),超声测量病灶最大径线为73mm。
如图3所示,患者的年龄为33岁,垂直连线得其变量积分为:24;停经时间为70天,垂直连线得其变量积分为:50;超声分型(测定为包块型),垂直连线得其变量积分为:100;超声测量病灶最大径线为73mm,垂直连线得其变量积分为:51;合计为:225,垂直连线得得到的概率值为0.94,即为94%,与用大出血风险概率计算的结果一致。
二、本发明的剖宫产术后瘢痕妊娠大出血风险模型的建立过程如下:
1、研究对象
收集2010年1月至2014年12月某三甲医院住院行子宫动脉栓塞术剖宫产术后瘢痕妊娠病例563例,其中253例行子宫动脉栓塞术+MTX为高危组,310例行子宫动脉栓塞术为低危组;收集2008年3月至2014年12月另一某三甲医院住院行腹腔镜下清宫术或病灶清除术剖宫产术后瘢痕妊娠病例204例为效验组,其中32例行腹腔镜病灶清除术为高危组,172例行腹腔镜监视下清宫术为低危组。本研究共纳入CSP病例767例。
2、研究参数
提取符合条件CSP患者详细病历资料,根据设计参数制定Excel表,详细记录患者年龄(岁)、职业(有/无)、孕次、剖宫产次、人流次数、末次剖宫产术距本次CSP时间(月)、停经时间(d)、早孕期阴道流血(有/无)、超声分型(孕囊型/包块型)、病灶最大径线(mm)、胎血管搏动(有/无)、治疗前HCG值(IU/L)、手术时间(分)、术中出血量(mL)、住院时间(d),共15项参数并进行赋值。
3、分组标准
(一)初模组:以动脉栓塞术治疗为分组标准,所有患者入院后均行子宫动脉栓塞治疗,术后3天超声监测孕囊/包块大小及周围血流信号改变情况,若孕囊/包块变小,周围血流信号减少将不再加用MTX化疗,此为低危组;若孕囊/包块无明显减小,周围血流信号仍丰富需联合MTX化疗,此为高危组。
(二)效验组:以腹腔镜治疗为分组标准,内生型CSP行腹腔镜下清宫术治疗成功为低危组,若术中出血大出血高危患者行腹腔镜下病灶清除术治疗为高危组;
4、统计方法
采用SPSS 20.0统计软件包进行数据分析,运用t检验、χ2检验进行单因素分析,多因素分析采用Binary Logistic回归方法对上述参数进行分析,筛选出高危型剖宫产切口妊娠的独立危险因素,检验水准p<0.05。
对最终进入方程的参数获取受试者工作特异性曲线(Receiver operatingcharacteristic curve,ROC)比较曲线下面积(Area Under roc Curve,AUC)。AUC的值就是处于ROC curve下方的面积,是一个概率值。较大的AUC代表了较好的诊断价值。ROC曲线下面积反映诊断试验的价值大小,(0.50,0.70],表示诊断价值较低;(0.70,0.90],表示诊断价值中等;0.90以上表示诊断价值较高。
5、研究步骤
(一)单因素分析筛查可能引起大出血的危险因素:
初模组的危险因素:采用SPSS 20.0统计软件包进行数据分析,运用t检验、χ2检验进行单因素分析,当检验水准p值<0.05,从研究参数的15个参数中,筛选出高危型剖宫产切口妊娠的9个危险因素(表1中用▲标出):1)年龄(岁)、2)距前次剖宫产间隔时间(年)、3)停经时间(天)、4)早孕期阴道流血(有)、5)超声分型(包块型)、6)超声测量病灶最大径线(mm)、7)胎血管搏动(无)、8)治疗前β-hCG值(mIU/mL)、9)病灶处前壁肌层厚度(mm),如表1所示;
表1
效验组的危险因素:采用SPSS 20.0统计软件包进行数据分析,运用t检验、χ2检验进行单因素分析,当检验水准p值<0.05,从研究参数的15个参数中,筛选出高危型剖宫产切口妊娠的5个危险因素(表2中用▲标出):1)职业(无)、2)停经时间(天)、3)超声分型(包块型)、4)超声测量病灶最大径线(mm)、5)胎血管搏动(无),如表2所示:
表2
(二)多因素回归分析确定独立危险因素:
初模组:采用Binary Logistic回归方法多因素分析方法进行分析,得到4个独立危险因素:1)年龄、2)停经天数、3)超声分型、4)超声测量病灶最大径线,如表3所示;
表3
变量 | OR值 | P值 | 95%可信区间 |
年龄(岁) | 0.961 | 0.038 | 0.926-0.998 |
停经时间(天) | 1.018 | 0.050 | 1.000-1.036 |
超声分型(孕囊型/包块型) | 11.802 | 0.000 | 5.958-23.379 |
超声测量病灶最大径线(mm) | 1.018 | 0.038 | 1.001-1.034 |
从而确定大出血风险回归方程为:
大出血风险概率P1=exp(w1)/[1+exp(w1)]
w1=-0.872-0.039(年龄(岁))+0.018(停经时间(天))+2.468(超声分型(包块型))+0.017(超声测量病灶最大径线(mm))。
效验组:采用Binary Logistic回归方法多因素分析方法进行分析,得到5个独立危险因素:1.年龄2.职业3.停经天数4.超声分型5.超声测量病灶最大径线,如表4所示;
表4
变量 | OR值 | P值 | 95%可信区间 |
年龄(岁) | 0.961 | 0.035 | 0.926-0.997 |
职业(有/无) | 0.915 | 0.670 | 0.608-1.378 |
停经时间(天) | 1.018 | 0.049 | 1.000-1.036 |
超声分型(孕囊型/包块型) | 11.813 | 0.000 | 5.963-23.402 |
超声测量病灶最大径线(mm) | 1.018 | 0.038 | 1.001-1.034 |
确定大出血风险回归方程为:
大出血风险概率:P2=exp(w2)/[1+exp(w2)],w2=-0.802-0.040(年龄(岁))-0.089(职业=无)+0.018(停经时间(天))+2.469(超声分型(包块型))+0.017(超声测量病灶最大径线(mm))。
(三)如图4所示,初模组的ROC及相应的截断值,如图5所示,效验组的ROC及相应的截断值,如图6所示,初模组与效验组合并后ROC及AUC)比较。
图4、图5、图6中:
ROC Curve:ROC曲线;
Sensitivity:灵敏度;
Specificity:特异性。
AUC是一种用来度量分类模型好坏的一个标准。
ROC分析是从医疗分析领域引入了一种新的分类模型performance评判方法。
ROC的全名叫做Receiver Operating Characteristic,其主要分析工具是一个画在二维平面上的曲线——ROC curve。平面的横坐标是false positive rate(FPR),纵坐标是true positive rate(TPR)。对某个分类器而言,我们可以根据其在测试样本上的表现得到一个TPR和FPR点对。这样,此分类器就可以映射成ROC平面上的一个点。调整这个分类器分类时候使用的阈值,我们就可以得到一个经过(0,0),(1,1)的曲线,这就是此分类器的ROC曲线。一般情况下,这个曲线都应该处于(0,0)和(1,1)连线的上方。因为(0,0)和(1,1)连线形成的ROC曲线实际上代表的是一个随机分类器。虽然,用ROC curve来表示分类器的performance很直观好用。可是,人们总是希望能有一个数值来标志分类器的好坏。于是Area Under roc Curve(AUC)就出现了。
顾名思义,AUC的值就是处于ROC curve下方的那部分面积的大小。通常,AUC的值介于0.5到1.0之间,较大的AUC代表了较好的performance。
AUC的计算方法总结:
(AUC的值就是计算出ROC曲线下面的面积)
初模组与效验组二者AUC差异无统计学意义(P>0.05),均为AUC=0.773,介于0.7-0.9,说明该模型诊断价值较高。初模组,当患者风险概率>44.20%时,应采用高危组治疗方式:子宫动脉栓塞术联合化疗;效验组,当患者风险概率>49.65%时,应采用高危组治疗方式:腹腔镜下病灶清除术,盲目清宫将导致患者大出血。
(四)建立预测大出血风险的列线图模型,如图1、如7所示:
图1是初模组的列线图;
图7是效验组的列线图。
图7中:
Points:变量积分;
Age:年龄;
Occupation:职业;
Gestational age at diagnosis(days):停经天数;
Ultrasonographic pattern:超声分型;
Max diameter(mm):超声测量病灶最大径线;
Total Points:总分;
Probability:概率值。
列线图的使用方法如下:每一个预测指标会对应相应的变量积分(图示最上端的分数线),然后将每一项指标的评分加起来,可以得到一个总分,由总分的分值对应最下面的术中大出血发生概率线即可得出该病人大出血发生的概率。根据初模组和效验组的各危险因素建立的Nomogram图比较,发现危险因素职业对总体风险概率预测的价值极小。最终预测大出血风险的列线图模型确定采用初模组列线图,即图1所示。
三、临床验证:
临床抽取病例,校验大出血风险概率测定的结果。
如表5所示,随机抽取20验证病例:
8例大出血风险概率>44.20%,全部采用高危组治疗方式,无一例子宫切除;
12例大出血风险概率<44.20%,全部采用低危组治疗方式,无一例大出血;
其中一例大出血风险概率为48.35%,编号14的患者若采用效验组的截断值49.65%,将采用低危组治疗方式,但是,腹腔镜下子宫下段见紫蓝色包块,清宫将导致大出血;其停经时间为82天,无胎血管搏动,临床医生诊断胚胎停育,术中见瘢痕处紫蓝色包块,因此采用高危组治疗方式腹腔镜下病灶清除术。
表5
其中:
超声分型:0孕囊型;1包块型
治疗方式:0腹腔镜下/子宫动脉介入后清宫术;1腹腔镜下病灶清除术;2子宫动脉介入+化疗
治疗方式:0低危组;1/2高危组
证明该模型能够有效筛出大出血病例(100%)。患者无一例大出血、子宫切除等严重并发症发生。采用风险预测模型能够科学的指导临床医师选择针对性的治疗方案。但随机20例患者样本量过小,需前瞻性、大样本、多中心研究充分纳入可能的危险因素,进一步矫正该模型,为更加准确的计算每一患者的个体化风险概率,将更有利于临床医师选择合适的治疗方案。
对于本领域的技术人员来说,在不脱离本发明技术方案的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。
Claims (3)
1.剖宫产术后瘢痕妊娠大出血风险模型,其特征在于,包括以下参数指标:年龄、停经天数、超声分型、超声测量病灶最大径线;
大出血风险回归方程为:大出血风险概率P=exp(w)/[1+exp(w)],
其中w=-0.872-0.039*年龄+0.018*停经时间+2.468 *超声分型+0.017 *超声测量病灶最大径线;
超声分型以0或1指代,其中0为孕囊型;1为包块型;
年龄的单位为岁,停经时间的单位为天,超声测量病灶最大径线的单位为mm。
2.根据权利要求1所述的剖宫产术后瘢痕妊娠大出血风险模型,其特征在于:所述的大出血风险>44.20%时,为高危风险。
3.根据权利要求1或2所述的剖宫产术后瘢痕妊娠大出血风险模型,其特征在于:所述的大出血风险的列线图为,如图1所示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610766756.6A CN106126966A (zh) | 2016-08-30 | 2016-08-30 | 剖宫产术后瘢痕妊娠大出血风险模型 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610766756.6A CN106126966A (zh) | 2016-08-30 | 2016-08-30 | 剖宫产术后瘢痕妊娠大出血风险模型 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106126966A true CN106126966A (zh) | 2016-11-16 |
Family
ID=57272455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610766756.6A Pending CN106126966A (zh) | 2016-08-30 | 2016-08-30 | 剖宫产术后瘢痕妊娠大出血风险模型 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106126966A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110534196A (zh) * | 2019-09-10 | 2019-12-03 | 中国医科大学附属盛京医院(中国医科大学附属第二医院) | 一种面向单胎瘢痕子宫产妇的产后出血风险预测算法及评分系统 |
CN110739072A (zh) * | 2019-10-14 | 2020-01-31 | 中国人民解放军总医院 | 出血事件发生评估方法和系统 |
CN112315448A (zh) * | 2020-11-23 | 2021-02-05 | 苏州市立医院 | 基于磁共振的Nomogram用于前置胎盘手术出血风险的预测 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203290958U (zh) * | 2013-04-27 | 2013-11-20 | 上海市第一人民医院宝山分院 | 用于早期妊娠子宫腔内压迫止血的三腔水囊 |
CN105412009A (zh) * | 2015-12-17 | 2016-03-23 | 张淑珍 | 聚桂醇注射液作为治疗剖宫产瘢痕妊娠药物的应用 |
-
2016
- 2016-08-30 CN CN201610766756.6A patent/CN106126966A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN203290958U (zh) * | 2013-04-27 | 2013-11-20 | 上海市第一人民医院宝山分院 | 用于早期妊娠子宫腔内压迫止血的三腔水囊 |
CN105412009A (zh) * | 2015-12-17 | 2016-03-23 | 张淑珍 | 聚桂醇注射液作为治疗剖宫产瘢痕妊娠药物的应用 |
Non-Patent Citations (4)
Title |
---|
SHAHROKH F.SHARIAT ET AL.: "Can nomograms be superior to other prediction tools?", 《BJU INTERNATIONAL》 * |
宋永红 等: "高危型剖宫产瘢痕妊娠相关因素分析", 《第三军医大学学报》 * |
张淋淋: "剖宫产术后子宫瘢痕妊娠患者大出血的危险因素分析", 《中国医药导报》 * |
陈晓燕 等: "剖宫产术后瘢痕妊娠发生的危险因素分析", 《重庆医学》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110534196A (zh) * | 2019-09-10 | 2019-12-03 | 中国医科大学附属盛京医院(中国医科大学附属第二医院) | 一种面向单胎瘢痕子宫产妇的产后出血风险预测算法及评分系统 |
CN110739072A (zh) * | 2019-10-14 | 2020-01-31 | 中国人民解放军总医院 | 出血事件发生评估方法和系统 |
CN112315448A (zh) * | 2020-11-23 | 2021-02-05 | 苏州市立医院 | 基于磁共振的Nomogram用于前置胎盘手术出血风险的预测 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Triunfo et al. | Prediction of delivery of small‐for‐gestational‐age neonates and adverse perinatal outcome by fetoplacental Doppler at 37 weeks' gestation | |
Eggebø et al. | A model to predict vaginal delivery in nulliparous women based on maternal characteristics and intrapartum ultrasound | |
Gallo et al. | Prediction of preeclampsia by mean arterial pressure at 11-13 and 20-24 weeks' gestation | |
CN110534184B (zh) | 一种产科手术资源配置预测系统 | |
Saadat et al. | Determinants of mortality in patients with traumatic brain injury | |
Hossain et al. | Obstetric causes of stillbirth at low socioeconomic settings | |
CN106126966A (zh) | 剖宫产术后瘢痕妊娠大出血风险模型 | |
Koirala et al. | The demographics of molar pregnancies in BPKIHS | |
Arora et al. | Universal screening of gestational diabetes mellitus: prevalence and diagnostic value of clinical risk factors | |
CN110534196A (zh) | 一种面向单胎瘢痕子宫产妇的产后出血风险预测算法及评分系统 | |
CN112466460A (zh) | 早孕期孕妇MAP、PlGF和PAPP-A联合构建模型预测妊娠期高血压疾病的方法 | |
Chen et al. | Nomogram to predict postpartum hemorrhage in cesarean delivery for women with scarred uterus: a retrospective cohort study in China | |
Aviram et al. | Pregnancy outcome in women with decreased sensation of fetal movements at term according to parity | |
Minh et al. | The success rate and associate factors of vaginal birth after cesarean section at Tu Du Hospital in Vietnam | |
Chukwu et al. | Prevalence of caesarean section deliveries among primigravidae in general hospital Gboko, Benue State, Nigeria | |
Khan et al. | Role of Transverse Cerebellar Diameter in Diagnosis of Asymmetrical Fetal Growth Restriction | |
Mehedi et al. | Cesarean section rate in a sample of primigravida women in the public maternity hospital in Erbil City, Iraq | |
CN115331817B (zh) | 孕早期阶段早产型子痫前期风险筛查装置 | |
Siritongtaworn et al. | The use of trauma score-injury severity score (TRISS) at Siriraj Hospital: how accurate is it? | |
Jahani et al. | Factors affecting stillbirth rate in the hospitals affiliated to Babol University of Medical Sciences | |
Yeni et al. | The Association betweeen Cesarean Section and Placenta Accreta | |
Zakai Ghadeer et al. | Prevalence of caesarean section and its indicating factors among pregnant women attending delivery at king abdulaziz university hospital, jeddah city during 2016 | |
CN114724634A (zh) | 一种用于预测子宫颈癌患者预后情况的分子标记组合及其应用 | |
Hosny et al. | Obstetric venous thromboembolism: a one-year prospective study in a tertiary hospital in Egypt | |
Hou et al. | Clinical features and demographic characteristics of gestational trophoblastic neoplasia: Single center experience and the SEER database |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161116 |