Abstract

Introduction: l'objectif était d'identifier les principaux facteurs de risque associés à un échec d'épreuve utérine et définir un score prédictif d'accouchement sur utérus cicatriciel en République Démocratique du Congo.

 

Méthodes: étude multicentrique, transversale et analytique des patientes porteuses d'un utérus cicatriciel sur la période du 1er janvier au 31 décembre 2013 dans quatre maternités de la République Démocratique du Congo (RDC). Un modèle de régression logistique a été construit pour identifier les facteurs associés à l'échec de l'épreuve utérine. De ce modèle, un score prédictif a été construit pour prédire l'échec de l'épreuve utérine dans les maternités de la RDC. La courbe ROC a été utilisée pour évaluer la capacité du score construit à identifier les patientes à risque de connaitre un échec de l'épreuve utérine. Le cut off point du score prédictif a été déterminé en fonction de la sensibilité et spécificité optimale via l'index de Youden. Tous les tests ont été réalisés au seuil de signification α=0,05.

 

Résultats: deux types de facteurs explicatifs de l'échec de l'épreuve utérine ont été retenus. Il s'agit d'un facteur sociodémographique (âge maternel) et de trois facteurs obstétricaux (hauteur utérine, présentation du fœtus et rupture prématurée des membranes). Le score de prédiction a été défini pour prédire l'échec de l'épreuve utérine. La construction de ce score s'est basée sur quatre éléments : l'âge maternel, l'état de la poche des eaux à l'admission, la hauteur utérine et la présentation fœtale. Le score minimal est de 4 et le score maximal est de 16. Le seuil est de 7. Un Score total supérieur ou égal à 7 traduit un risque d'échec de l'épreuve utérine.

 

Conclusion: l'utilisation de ce score prédictif chez les patientes pourra améliorer la qualité dans les indications de la voie haute, l'augmentation des taux de césariennes prophylactiques ainsi que la meilleure sélection des patientes soumises à l'épreuve utérine. Ceci pourra également contribuer à la réduction de la morbi-mortalité fœto-maternelle liée à la gestion de l'accouchement sur utérus cicatriciels.


English abstract

Objective: our study aims to identify risks factors associated with failed trial of scar and to set a predictive score of labour in women with scarred uterus in the Democratic Republic of the Congo. Methods: we conducted a multicenter cross-sectional analytic study of patients with scarred uterus in four maternity units in the Democratic Republic of the Congo (DRC) from 1 January to 31 December 2013. Logistic regression model was used to identify factors associated with failed trial of scar. We set a predictive score based on this model in order to predict trial of scar failure in maternity units in the DRC. ROC curve was used to assess the ability of the set score to identify patients at risk for trial of scar failure. The cut off point for the predictive score was determined on the basis of the Youden-index-based optimal sensitivity and specificity. All the tests in our study were carried out by using a significance threshold of α=0.05. Results: two explanatory factors in trial of scar failure were retained. They were the socio-demographic factor (maternal age) and three obstetric factors (fundal height, fetal presentation and premature rupture of membranes). Predictive score was set to predict trial of scar failure. This score was determined based on four elements: maternal age, evaluation of the gestational sac on admission, fundal height and fetal presentation. The minimum score was set at 4 and the maximum score was set at 16. The threshold value was set at 7. A total score greater than or equal to 7 reflects a risk of trial of scar failure. Conclusion: we set a predictive score to predict trial of scar failure. This score was determined based on four elements: maternal age, evaluation of the gestational sac on admission, fundal height and fetal presentation. A total score greater than or equal to 7 reflects a risk of trial of scar failure.

Key words: Scarred uterus, trial of scar, risk factors, predictive score