剖宫产后阴道分娩预测模型研究综述

包括Bishop评分、阴道分娩史、新生儿体重、产妇年龄和BMI。 模型属性 预测模型的属性评估包括区分度和校准度[39]。在纳入的26项研究中，有25项使用受试者工作特征曲线下面积（AUC）来评估模型的区分度。其中，3个模型的区分能力低于0.7，17个模型的区分能力在0.7到0.9之间，5个模型的区分能力超过0.9。这表明大多数预测模型具有良好的区分度，只有1项研究未报告模型的区分能力[12]。9项研究使用了Hosmer-Lemeshow检验来验证模型的校准度；其中6项研究的模型显示了合理的校准度。 模型验证 模型验证可以是内部验证或外部验证[39]。在纳入的26个模型中，4个进行了内部验证，6个进行了外部验证，仅有1个同时进行了内部和外部验证。大多数模型（11项研究）以回归方程的形式呈现；其他形式包括列线图（7项研究）、机器学习模型（2项研究）、评分系统（5项研究）和基于网络的计算器（1项研究）。 讨论 在这篇综述中，我们总结了26个用于剖宫产后阴道分娩（VBAC）的预测模型。由于不同地区在医疗和文化背景上的差异，VBAC预测模型种类繁多。然而，大多数这些模型以回归方程的形式呈现，尚未可视化，增加了临床应用的复杂性。关于模型验证，大多数模型缺乏外部验证，表明现有VBAC预测模型研究在验证方面存在不足。在研究人群方面，15个预测模型来自中国。中国文献占主导地位的原因可能是2016年实施二孩政策后，二胎妊娠数量激增。这一人口变化包括大量有剖宫产史的女性，她们面临着尝试剖宫产后试产（TOLAC）的决定。这可能解释了相关中国文献的丰富性。 由于大多数纳入的研究集中在中国，这些预测模型可能主要适用于中国的医疗环境和人群特征。医疗资源、文化背景和产妇健康状况的差异，