Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/5/5176/tde-24032022-114917/ |
Resumo: | Introdução: os fatores de risco para náuseas e vômitos pós-operatórios após cesarianas não foram estabelecidos. Suspeitamos que o modelo simplificado de Apfel tenha baixo poder de discriminação nessa população pela ausência de variação de dois fatores de risco importantes. O objetivo foi buscar fatores de risco, modelar e validar um modelo multivariável para prever náuseas e vômitos após cesarianas. Métodos: duas coortes consecutivas de pacientes submetidas a cesarianas sob anestesia subaracnóidea foram usadas para desenvolver e validar candidatos a modelos preditores, respectivamente. Uma regressão logística múltipla, o modelo simplificado de Apfel e um classificador Naïve Bayes foram modelados e avaliados. Resultados: 250 e 98 pacientes permaneceram, respectivamente, nas amostras de desenvolvimento e validação. Pacientes mais jovens, que apresentaram náusea durante a cirurgia, pacientes que receberam doses mais baixas de bupivacaína e pacientes que negaram náuseas significantes no primeiro trimestre foram aquelas que apresentavam maior risco de náuseas e vômitos após cesarianas. O classificador Naïve Bayes e a regressão logística múltipla apresentaram poderes superiores de discriminação quando comparados ao do modelo simplificado de Apfel (estatística-c 0,84, 0,89 e 0,59 respectivamente, p < 0,0001), mas a diferença no poder de discriminação entre o classificador bayesiano e a regressão múltipla não foi estatisticamente significante (diferença de 0,05 na estatística-c, p=0,53). O classificador bayesiano apresentou critérios de informação (Akaike e Bayesiano) menores e uma curva ROC mais homogênea que a regressão múltipla. O classificador Naïve Bayes usou três preditores independentes: náuseas e vômitos intraoperatórios, história de náuseas moderadas ou intensas durante o primeiro trimestre e idade gestacional <38 semanas. Conclusões: náuseas intraoperatórias, idade materna, dose de bupivacaína e história de náuseas moderadas ou intensas durante o primeiro trimestre gestacional foram os melhores preditores independentes de náuseas e vômitos após cesarianas. Não conseguimos excluir a hipótese nula de que o poder de discriminação do classificador Naïve Bayes seja diferente da regressão logística múltipla para prever náuseas e vômitos após cesarianas, mas ambos foram superiores ao modelo simplificado de Apfel. O modelo simplificado de Apfel apresentou baixo poder de discriminação e não deve ser usado nessa população |
id |
USP_b757ef88bbcaa76f6d8109f156b0029a |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-24032022-114917 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivoRisk factors for post-cesarean nausea: prospective and observational studyCaesarean sectionCesáreaFatores de riscoModelos estatísticosModels statisticalNáuseas e vômitos pós-operatóriosPostoperative nausea and vomitingRisk factorsIntrodução: os fatores de risco para náuseas e vômitos pós-operatórios após cesarianas não foram estabelecidos. Suspeitamos que o modelo simplificado de Apfel tenha baixo poder de discriminação nessa população pela ausência de variação de dois fatores de risco importantes. O objetivo foi buscar fatores de risco, modelar e validar um modelo multivariável para prever náuseas e vômitos após cesarianas. Métodos: duas coortes consecutivas de pacientes submetidas a cesarianas sob anestesia subaracnóidea foram usadas para desenvolver e validar candidatos a modelos preditores, respectivamente. Uma regressão logística múltipla, o modelo simplificado de Apfel e um classificador Naïve Bayes foram modelados e avaliados. Resultados: 250 e 98 pacientes permaneceram, respectivamente, nas amostras de desenvolvimento e validação. Pacientes mais jovens, que apresentaram náusea durante a cirurgia, pacientes que receberam doses mais baixas de bupivacaína e pacientes que negaram náuseas significantes no primeiro trimestre foram aquelas que apresentavam maior risco de náuseas e vômitos após cesarianas. O classificador Naïve Bayes e a regressão logística múltipla apresentaram poderes superiores de discriminação quando comparados ao do modelo simplificado de Apfel (estatística-c 0,84, 0,89 e 0,59 respectivamente, p < 0,0001), mas a diferença no poder de discriminação entre o classificador bayesiano e a regressão múltipla não foi estatisticamente significante (diferença de 0,05 na estatística-c, p=0,53). O classificador bayesiano apresentou critérios de informação (Akaike e Bayesiano) menores e uma curva ROC mais homogênea que a regressão múltipla. O classificador Naïve Bayes usou três preditores independentes: náuseas e vômitos intraoperatórios, história de náuseas moderadas ou intensas durante o primeiro trimestre e idade gestacional <38 semanas. Conclusões: náuseas intraoperatórias, idade materna, dose de bupivacaína e história de náuseas moderadas ou intensas durante o primeiro trimestre gestacional foram os melhores preditores independentes de náuseas e vômitos após cesarianas. Não conseguimos excluir a hipótese nula de que o poder de discriminação do classificador Naïve Bayes seja diferente da regressão logística múltipla para prever náuseas e vômitos após cesarianas, mas ambos foram superiores ao modelo simplificado de Apfel. O modelo simplificado de Apfel apresentou baixo poder de discriminação e não deve ser usado nessa populaçãoIntroduction: postoperative nausea and vomiting risk factors have not been studied in obstetric patients. We suspected that Apfels simplified score would lose discrimination power because this population does not vary two of four risk factors. We intended to look for risk factors, model and validate a multivariable prediction tool for post-caesarean nausea and vomiting. Methods: two consecutive cohorts of patients submitted to caesarean under spinal anaesthesia were used to develop and validate candidates of multivariable prediction models. A multiple logistic regression, Apfels simplified model and a Naïve Bayes classifier were modeled. Results: 250 and 98 patients remained respectively in the development and validation data sets. Younger maternal age, intraoperative nausea, lower bupivacaine dose and not presenting significant nausea during the first trimester were the best isolated post-caesarean nausea and vomiting risk factors. The Naïve Bayes and multiple logistic regression had area under ROC curve significantly better than Apfels simplified model (AUC 0.84, 0.89 and 0.59 respectively, p < 0.0001), but difference between Naïve Bayes and multiple logistic regression was not statistically significant (AUCb difference 0.05, p=0.43). Naïve Bayes classifier had lower Information Criterions (Akaike and Bayesian) and a smoother ROC curve and used the three direct predictors identified by a conditional independence Bayesian Network: intraoperative nausea, nausea during the first trimester and gestational age < 38 weeks as predictors. Conclusion: Intraoperative nausea, maternal age, bupivacaine dose and significant nausea during the first trimester were the best post-caesarean nausea and vomiting predictors after caesareans. We could not rule out the null hypothesis for the difference in discrimination power between the Naïve Bayes classifier and a new multiple logistic regression for predicting PONV after caesareans, but both were significantly better than Apfels heuristic. Apfels heuristic discrimination power is low and should not be used in this populationBiblioteca Digitais de Teses e Dissertações da USPAshmawi, Hazem AdelGuimarães, Gabriel Magalhães Nunes2021-11-25info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/5/5176/tde-24032022-114917/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2024-08-23T13:57:03Zoai:teses.usp.br:tde-24032022-114917Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-23T13:57:03Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo Risk factors for post-cesarean nausea: prospective and observational study |
title |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo |
spellingShingle |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo Guimarães, Gabriel Magalhães Nunes Caesarean section Cesárea Fatores de risco Modelos estatísticos Models statistical Náuseas e vômitos pós-operatórios Postoperative nausea and vomiting Risk factors |
title_short |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo |
title_full |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo |
title_fullStr |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo |
title_full_unstemmed |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo |
title_sort |
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo |
author |
Guimarães, Gabriel Magalhães Nunes |
author_facet |
Guimarães, Gabriel Magalhães Nunes |
author_role |
author |
dc.contributor.none.fl_str_mv |
Ashmawi, Hazem Adel |
dc.contributor.author.fl_str_mv |
Guimarães, Gabriel Magalhães Nunes |
dc.subject.por.fl_str_mv |
Caesarean section Cesárea Fatores de risco Modelos estatísticos Models statistical Náuseas e vômitos pós-operatórios Postoperative nausea and vomiting Risk factors |
topic |
Caesarean section Cesárea Fatores de risco Modelos estatísticos Models statistical Náuseas e vômitos pós-operatórios Postoperative nausea and vomiting Risk factors |
description |
Introdução: os fatores de risco para náuseas e vômitos pós-operatórios após cesarianas não foram estabelecidos. Suspeitamos que o modelo simplificado de Apfel tenha baixo poder de discriminação nessa população pela ausência de variação de dois fatores de risco importantes. O objetivo foi buscar fatores de risco, modelar e validar um modelo multivariável para prever náuseas e vômitos após cesarianas. Métodos: duas coortes consecutivas de pacientes submetidas a cesarianas sob anestesia subaracnóidea foram usadas para desenvolver e validar candidatos a modelos preditores, respectivamente. Uma regressão logística múltipla, o modelo simplificado de Apfel e um classificador Naïve Bayes foram modelados e avaliados. Resultados: 250 e 98 pacientes permaneceram, respectivamente, nas amostras de desenvolvimento e validação. Pacientes mais jovens, que apresentaram náusea durante a cirurgia, pacientes que receberam doses mais baixas de bupivacaína e pacientes que negaram náuseas significantes no primeiro trimestre foram aquelas que apresentavam maior risco de náuseas e vômitos após cesarianas. O classificador Naïve Bayes e a regressão logística múltipla apresentaram poderes superiores de discriminação quando comparados ao do modelo simplificado de Apfel (estatística-c 0,84, 0,89 e 0,59 respectivamente, p < 0,0001), mas a diferença no poder de discriminação entre o classificador bayesiano e a regressão múltipla não foi estatisticamente significante (diferença de 0,05 na estatística-c, p=0,53). O classificador bayesiano apresentou critérios de informação (Akaike e Bayesiano) menores e uma curva ROC mais homogênea que a regressão múltipla. O classificador Naïve Bayes usou três preditores independentes: náuseas e vômitos intraoperatórios, história de náuseas moderadas ou intensas durante o primeiro trimestre e idade gestacional <38 semanas. Conclusões: náuseas intraoperatórias, idade materna, dose de bupivacaína e história de náuseas moderadas ou intensas durante o primeiro trimestre gestacional foram os melhores preditores independentes de náuseas e vômitos após cesarianas. Não conseguimos excluir a hipótese nula de que o poder de discriminação do classificador Naïve Bayes seja diferente da regressão logística múltipla para prever náuseas e vômitos após cesarianas, mas ambos foram superiores ao modelo simplificado de Apfel. O modelo simplificado de Apfel apresentou baixo poder de discriminação e não deve ser usado nessa população |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-11-25 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/5/5176/tde-24032022-114917/ |
url |
https://www.teses.usp.br/teses/disponiveis/5/5176/tde-24032022-114917/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809091036674260992 |