• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Doctoral Thesis
DOI
https://doi.org/10.11606/T.5.2021.tde-24032022-114917
Document
Author
Full name
Gabriel Magalhães Nunes Guimarães
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2021
Supervisor
Committee
Ashmawi, Hazem Adel (President)
Bogniotti, Lauro Afonso Côrtes
Morais, Luciana Chaves de
Simões, Claudia Marquez
Title in Portuguese
Fatores de risco para náuseas pós-cesarianas: estudo observacional prospectivo
Keywords in Portuguese
Cesárea
Fatores de risco
Modelos estatísticos
Náuseas e vômitos pós-operatórios
Abstract in Portuguese
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
Title in English
Risk factors for post-cesarean nausea: prospective and observational study
Keywords in English
Caesarean section
Models statistical
Postoperative nausea and vomiting
Risk factors
Abstract in English
Introduction: 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 population
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2022-03-25
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2022. All rights reserved.