本项前瞻性观察性研究描述了一种预测模型的建立及其内部验证过程，该模型结合了第一产程的经腹和经会阴超声参数以及产妇的临床特征，以促进对存在第二产程延长风险的产妇进行早期识别。
研究文章
基于第一产程数据预测第二产程延长的预测模型开发与内部验证：一项前瞻性观察研究
22 次观看
⸱
2026年9月11日
* These authors contributed equally
本文内容
摘要
摘要
产程第二产程延长与不良的母体及新生儿结局相关，因此早期识别风险具有重要的临床意义。本研究旨在评估在第一产程活跃期联合应用经腹和经会阴超声参数是否可预测第二产程延长。这项前瞻性观察性研究纳入了在第一产程活跃期接受经腹和经会阴超声检查的初产妇。记录胎儿位置、进展角（AOP）、胎头-耻骨联合距离、胎头-会阴距离以及产妇的临床特征。根据第二产程时长将参与者分为正常组（≤120 分钟）和延长组（>120 分钟）。采用最小绝对收缩与选择算子（LASSO）回归筛选关键预测因子，并通过多变量逻辑回归确定独立预测因子以构建预测模型。在内部验证中，采用受试者工作特征（ROC）曲线分析、校准分析和决策曲线分析（DCA）评估模型的预测性能。共纳入159例初产妇（正常组95例，延长组64例）。与正常组相比，延长组胎儿窘迫发生率更高（31.2% vs 15.8%，p = 0.035），低Apgar评分（外观、脉搏、皱眉反应、活动、呼吸）比例也更高（70.3% vs 36.8%，p < 0.001）。LASSO回归筛选出四个关键预测因子：产妇年龄、妊娠期体重指数增长、新生儿出生体重和AOP，这些因素在多变量分析中均为独立预测因子（p < 0.05）。该预测模型在内部验证中ROC曲线下面积达到0.927，表现出良好的区分能力、校准度和临床实用性。第一产程超声参数结合产妇临床特征可能有助于早期识别高风险初产妇，并为产时管理提供支持。
引言
产程延长长期以来一直是产科临床实践中的主要问题。尤其是第二产程延长，不仅会增加产妇疼痛，还可能导致不良的新生儿结局。1根据世界卫生组织（WHO）发布的最新指南，产程第二阶段的正常持续时间应≤120分钟。换句话说，第二产程持续时间超过该时限即视为异常。 >120分钟被视为产程延长。第二产程延长的全球发生率估计为3%–8%1,2这种延长增加了母体感染、剖宫产（C-section）、产后出血、胎儿窘迫、低Apgar评分（外观、脉搏、皱眉反应、活动和呼吸）以及围产期死亡的风险。1既往研究表明，母亲年龄、妊娠期体重指数（BMI）增长以及新生儿出生体重与产程第二阶段延长相关；然而，其预测价值仍然有限3因此，识别更有效的预测指标对于及时实施临床干预、优化产程进展、减少产程延长的发生以及改善母婴结局具有重要意义。
近年来，超声成像越来越多地应用于产科临床，尤其是在产程管理中，因其能够对胎儿位置、方位及下降程度进行实时、客观的评估3,4。现有证据表明，产时超声在预测产程进展、评估胎儿状况以及指导分娩方式的临床决策方面具有重要作用5。然而，当前文献中仍存在重要空白。首先，极少有研究专门探讨利用超声参数预测第二产程延长。其次，尽管胎儿先露部位置、胎儿体位及其在第一产程中与母体骨盆的空间关系可能直接影响第二产程的持续时间6，但针对这些第一产程超声参数与第二产程延长之间关联的研究仍较为有限。
在此背景下，本项前瞻性观察研究收集了单中心在第一产程期间的分娩数据。通过经腹和经会阴超声检查获取超声参数，包括胎头-耻骨联合距离（HSD）、进展角（AOP）和胎头-会阴距离（HPD）。与以往主要关注预测第二产程即刻分娩结局或是否需要手术干预的超声研究不同，本研究重点探讨利用第一产程超声参数对第二产程延长进行早期预测。将这些超声参数与产妇的人口学特征和临床特征相结合，评估其对第二产程延长的预测价值。该方法填补了一项重要的知识空白，因为此前尚无研究将多维度的第一产程超声发现与产妇临床特征整合到用于预测第二产程延长的模型中。据此，本研究建立并进行了内部验证的预测模型。本研究有望为临床医生提供一种客观工具，用于在第一产程期间早期识别存在第二产程延长风险的初产妇，从而支持更个体化的产时管理，改善母婴结局。
方案
本研究遵循赫尔辛基宣言进行，并经余姚市妇幼保健院（余姚市第二人民医院）伦理委员会批准（批准号：YMCH-EC-2023KT-0012）。所有参与者均签署了书面知情同意书。
研究参与者
纳入自发临产并成功经阴道分娩的初产妇。这有助于准确记录预测模型所需的第二产程持续时间。入选标准如下：（1）单胎妊娠，孕周≥37周；（2）头位；（3）已获得参与者及其家属的知情同意。排除标准包括：（1）在活跃期发现试产绝对禁忌证（如前置胎盘、前置血管、脐带脱垂）；和/或（2）继发性子宫收缩乏力（定义为尽管已使用催产素加强宫缩或人工破膜，宫颈扩张或胎儿下降在≥4小时内无进展）。接受引产的产妇亦被排除。
值得注意的是，由于第二产程中出现急性胎儿窘迫而需要急诊外科干预（剖宫产或器械助产）的产妇，虽已根据临床指南进行处理，但为保持产程持续时间记录的完整性，未被纳入本项分析。
样本量根据预试验结果计算得出（n = 30，第二产程延长发生率为20%）。设定α为0.05，β为0.20，假设第二产程延长的发生率约为20%，为检测出优势比（OR）≥ 2.5的显著预测因子，至少需要150名受试者。最终分析共纳入159名女性。
临床数据采集
母体变量包括年龄、妊娠期体重指数（BMI）增长（定义为孕前 BMI 与分娩前 BMI 的差值）、妊娠期糖尿病、妊娠期高血压、精神状态（采用自评焦虑量表评估，评分 ≥50 提示存在焦虑）、宫缩乏力（特指临床评估的低张力性收缩模式，定义为宫缩间隔 >5 分钟或持续时间 <30 秒，区别于美国妇产科医师学会 [ACOG] 所定义的产程停滞）以及胎次。新生儿变量包括出生体重（kg）、胎儿窘迫（定义为胎心监护中反复出现晚期或可变减速，或基线胎心率 <110 次/分钟或 >160 次/分钟）以及 Apgar 评分（1 分钟评分 <7 被归类为低评分）。
妊娠期糖尿病根据国际妊娠期糖尿病研究组协会标准进行诊断（妊娠24–28周时进行75 g口服葡萄糖耐量试验，空腹血糖5.1–6.9 mmol/L，或1小时血糖≥10.0 mmol/L，或2小时血糖8.5–11.0 mmol/L）。妊娠期高血压根据ACOG指南定义（妊娠20周后，间隔≥4小时两次测量，收缩压≥140 mmHg或舒张压≥90 mmHg，且无蛋白尿）。胎儿窘迫在胎心监护中的定义为：反复出现晚期减速（≥50%的宫缩伴发）、反复出现持续时间>60秒的变异减速、持续2–10分钟的延长减速，或基线胎心率<110或>160次/分钟持续≥10分钟（英国国家卫生与临床优化研究所[NICE]标准）。子宫收缩乏力（低张性宫缩）定义为：通过触诊或宫缩图测定，30分钟内宫缩间隔>5分钟或宫缩持续时间<30秒。精神状态（焦虑）在入院时（宫颈扩张<4 cm）采用焦虑自评量表进行评估，原始得分≥50（标准指数）被归类为异常。低Apgar评分定义为1分钟评分<7（世界卫生组织标准）。
由于这是一项观察性研究，产程管理遵循常规临床实践，没有采用标准化方案。然而，硬膜外镇痛（是/否、实施时间、持续时间）、催产素引产（是/否、总剂量、持续时间）、人工破膜（是/否、操作时宫颈扩张程度）以及分娩方式（根据纳入标准，仅限自然阴道分娩）均被系统记录。未观察到这些变量与主要模型预测因子之间存在显著交互作用。
产程早期第一产程的经腹壁与经会阴超声检查
超声扫描在产程活跃期初期（宫颈扩张 ≥4 cm）进行。受检产妇排空膀胱后取仰卧位，并向左侧倾斜15°。进行经会阴扫描时，大腿稍外展并屈曲。所有图像均在子宫收缩峰值时采集，收缩峰值通过临床触诊结合外置宫缩张力测定仪（胎儿监护仪）确认。每次测量在三次独立的宫缩期间重复进行，分析时采用其平均值。超声检查使用便携式诊断超声系统（见材料表）。经腹壁成像采用凸阵探头（2–5 MHz）；经会阴成像则采用高频线阵探头或小 footprint 凸阵探头（5–8 MHz）。成像参数标准化设置（深度 6–10 cm，增益优化，焦点置于耻骨联合水平）。
为评估胎儿位置，通过经腹横向扫描识别胎儿眼眶、小脑及丘脑中线相对于母体骨盆的位置，以确定枕前位（OA）、横位或枕后位。进行经会阴测量时，将探头覆盖无菌套后置于会阴部正中矢状面上，避免施加过大压力。解剖标志包括完整的耻骨联合、胎儿颅骨轮廓以及肛门直肠交界处。
测量了以下参数（图1A–D）：进展角（AOP），定义为耻骨联合长轴与从其下缘延伸至胎儿颅骨最深点的直线之间的夹角；中线角（MLA），定义为胎儿颅骨中线（大脑镰）与母体骨盆前后轴之间的夹角；头-耻骨距离（HSD），定义为从耻骨联合下缘到胎儿颅骨最近点的距离；以及头-会阴距离（HPD），定义为从胎儿颅骨外缘到会阴皮肤的最短距离7。
图1。产程第一阶段期间获得的超声测量结果。 (A) 进展角（AOP）的测量，定义为耻骨联合长轴与从其下缘延伸至胎儿颅骨最深点的直线之间的夹角。(B) 中线角（MLA）的测量，定义为胎儿颅骨中线（大脑镰）与母体骨盆前后轴之间的夹角。(C) 头-耻骨距离（HSD）的测量，定义为从耻骨联合下缘到胎儿颅骨上最近点的距离。(D) 头-会阴距离（HPD）的测量，定义为从胎儿颅骨外表面到母体会阴皮肤的最短距离。请点击此处查看该图的放大版本。
每次测量在三个独立的收缩峰值期间各进行三次，取平均值用于分析。所有检查均由三名经验丰富的超声医师（每位均有≥10年产科超声经验）完成，他们在研究开始前均接受了产时经会阴超声测量的标准化培训。通过与金标准评估者（ senior author）比对，达到组内相关系数（ICC）≥0.90 以确认操作能力。在涉及10例患者（不纳入主研究）的预试验阶段评估了观察者间和观察者内重复性，所有参数（AOP、HSD、HPD 和 MLA）的 ICC 值介于 0.89 至 0.96 之间。
图像合格标准要求清晰显示耻骨联合、胎儿颅骨轮廓及肛门直肠交界处。若图像存在探头压力过大或解剖标志显示不清的情况，则予以剔除并重新采集。超声检查人员在图像采集和测量过程中对分组情况（正常组与第二产程延长组）及临床资料保持盲态。数据采用双人独立录入，并进行范围核查，若发现超出合理范围的数值，则触发图像重新审核。缺失数据（<5%）在确认符合随机缺失假设后（Little完全随机缺失检验，p > 0.05），采用完整病例分析法处理。
产程时长的记录与分组
在整个分娩过程中，对每位参与者的产程进展进行了详细记录。第一产程定义为从规律性子宫收缩开始至宫颈完全扩张（10 cm）。产程的活跃期定义为宫颈扩张 ≥4 cm，并伴有增强的规律性子宫收缩。第二产程度定义为从宫颈完全扩张（10 cm）至胎儿完全娩出的时段。在第一产程的活跃期进行超声检查，以评估胎头位置、胎方位及相关超声参数。根据世界卫生组织（WHO）指南，正常的第二产程不应超过 120 分钟2。为在本研究中对所有初产妇保持统一的研究阈值，参与者依据此 120 分钟标准被分为两组：正常第二产程组（≤120 分钟）和延长第二产程组（>120 分钟）。
统计学分析
所有统计分析均使用 SPSS 26.0 版本（RRID:SCR_002865）和 R 4.1.0 版本（RRID:SCR_001905）（见材料表）完成。使用的 R 程序包包括：glmnet（4.1-2 版本）用于最小绝对收缩与选择算子（LASSO）回归，rms（6.2-0 版本）用于列线图构建与校准，pROC（1.18.0 版本）用于受试者工作特征（ROC）分析，rmda（1.6 版本）用于决策曲线分析（DCA）。连续变量的正态性通过 Shapiro–Wilk 检验进行评估，以指导描述性统计量和比较方法的选择。符合正态分布的数据以均值 ± 标准差（x̄ ± s）表示，并采用独立样本 t 检验进行比较；当样本量足够时，该方法对轻微偏离正态性具有稳健性。非正态分布的数据以中位数及四分位间距（M [P25, P75]）表示，并采用 Mann–Whitney U 检验进行比较，该方法评估一个分布是否倾向于比另一个分布具有更大的数值，而不仅仅是严格检验中位数差异。分类变量以频数和百分比（n [%]）表示，并采用卡方（χ2）检验或在期望频数 <5 时采用 Fisher 精确检验进行比较。所有检验均为双侧检验，以 p 值 <0.05 为差异具有统计学意义。在单变量分析中 p <0.1 的变量被纳入 LASSO 回归进行变量筛选。LASSO 回归使用 glmnet 程序包并采用 10 折交叉验证法确定最优正则化参数（λ）。采用一标准误准则（即交叉验证误差最小值加一个标准误范围内最大的 λ 值）来选择具有非零系数的最简预测变量集合。在进行 LASSO 拟合前，所有连续型预测变量（母亲年龄、妊娠期 BMI 增加值、AOP、HSD、HPD 和新生儿出生体重）均根据 glmnet 默认设置（standardize = TRUE）进行中心化并标准化为 z 分数，以确保各变量系数在不同测量单位下受到同等程度的惩罚。筛选出的变量随后被纳入多变量逻辑回归模型（进入法），以计算校正后的比值比（aOR）及其 95% 置信区间（CI）。模型显著性通过似然比检验进行评估。
根据逻辑回归系数，构建了预测模型：Logit(P) = β0 + Σ(βiXi)。该模型使用 rms 软件包以列线图（nomogram）形式可视化，其中每个预测因子被赋予与其回归系数成比例的点数，总点数对应于预测概率。通过绘制 ROC 曲线并使用 pROC 软件包计算曲线下面积（AUC）及其 95% 置信区间（CI）（采用 1,000 次重复抽样的自助法）来评估模型的区分能力。通过最大化约登指数（敏感性 + 特异性 − 1）确定最佳截断概率，并报告相应的敏感性和特异性。校准度通过基于 1,000 次自助重复抽样生成的校准曲线（rms 软件包）进行评估，并辅以 Hosmer–Lemeshow 拟合优度检验（非显著性 p 值表示良好的校准度）。临床效用通过 rmda 软件包进行决策曲线分析（DCA）评估，该方法计算在不同阈值概率范围（0%–100%）下的净获益。净获益定义为：(真阳性数 / n) − (假阳性数 / n) × (阈值概率 / [1 − 阈值概率])。上述为本研究的整体工作流程，详见并示于补充图 1。该模型为探索性模型；其中预测因子“新生儿出生体重”指分娩后实际测量的体重，若用于临床预测，需使用产前获得的估计胎儿体重（EFW）重新拟合模型。
结果
研究人群与分组情况
共有159名产妇纳入最终分析。其中，95名产妇第二产程持续时间正常，64名产妇经历了第二产程延长（表1）。与正常产程组相比，产程延长组的胎儿窘迫和低Apgar评分发生率显著更高（两者均 p < 0.05）。两组间围产期死亡率无显著差异（p > 0.05）。
| 变量 | 全部 (N = 159) | 第二产程正常 (N = 95) | 第二产程延长 (N = 64) | P 值 |
| 第二产程持续时间（min） | 109 [40.5; 172] | 88.4 [40.5; 125] | 139 [100; 172] | <0.0001 |
| 胎儿窘迫 | 0.0347 | |||
| 无 | 124 (78.0%) | 80 (84.2%) | 44 (68.8%) | |
| 有 | 35 (22.0%) | 15 (15.8%) | 20 (31.2%) | |
| 低 Apgar 评分 | 0.0001 | |||
| 无 | 79 (49.7%) | 60 (63.2%) | 19 (29.7%) | |
| 有 | 80 (50.3%) | 35 (36.8%) | 45 (70.3%) | |
| 围产期死亡 | 0.5653 | |||
| 无 | 156 (98.1%) | 94 (98.9%) | 62 (96.9%) | |
| 有 | 3 (1.89%) | 1 (1.05%) | 2 (3.12%) |
表1：第二产程延长对新生儿临床结局的影响。 连续变量以中位数[四分位间距（IQR）]表示，分类变量以例数（百分比）表示。正常第二产程组包括第二产程持续时间 ≤120 分钟的参与者，而第二产程延长组包括第二产程持续时间 >120 分钟的参与者。低 Apgar 评分（外观、脉搏、皱眉反应、活动、呼吸）定义为出生1分钟 Apgar 评分 <7。P 值表示正常第二产程组与第二产程延长组之间的比较结果。
两组之间人口统计学和临床特征的比较见表2。第二产程延长的产妇中位母体年龄较高，且妊娠期间体重指数（BMI）增长更大，与第二产程正常的产妇相比差异明显。妊娠期糖尿病、子宫收缩乏力和意识状态改变的发生率在第二产程延长组中也显著更高（均p < 0.05）。两组之间在妊娠期高血压或分娩时孕周方面未观察到显著差异（均p > 0.05）。
| 变量 | 全部 (N = 159) | 第二产程正常 (N = 95) | 第二产程延长 (N = 64) | P 值 |
| 年龄（年） | 28.8 [19.4; 44.9] | 26.3 [19.4; 33.2] | 32.4 [22.3; 44.9] | <0.0001 |
| 妊娠期 BMI 增加量（kg/m²） | 11.4 ± 3.62 | 10.1 ± 3.33 | 13.3 ± 3.17 | <0.0001 |
| 妊娠期糖尿病 | 0.0002 | |||
| 无 | 141 (88.7%) | 92 (96.8%) | 49 (76.6%) | |
| 有 | 18 (11.3%) | 3 (3.16%) | 15 (23.4%) | |
| 妊娠期高血压 | 0.8723 | |||
| 无 | 124 (78.0%) | 75 (78.9%) | 49 (76.6%) | |
| 有 | 35 (22.0%) | 20 (21.1%) | 15 (23.4%) | |
| 新生儿出生体重（kg） | 2.61 [1.68; 4.60] | 2.46 [1.68; 2.85] | 3.39 [1.71; 4.60] | <0.0001 |
| 精神状态 | 0.0017 | |||
| 异常 | 139 (87.4%) | 90 (94.7%) | 49 (76.6%) | |
| 健康 | 20 (12.6%) | 5 (5.26%) | 15 (23.4%) | |
| 子宫收缩乏力 | <0.0001 | |||
| 无 | 123 (77.4%) | 85 (89.5%) | 38 (59.4%) | |
| 有 | 36 (22.6%) | 10 (10.5%) | 26 (40.6%) | |
| 妊娠周数（周） | 38.1 ± 2.02 | 38.1 ± 1.99 | 37.9 ± 2.06 | 0.5156 |
表2：各组之间人口统计学和临床特征的比较。 连续变量根据情况以均值 ± 标准差（SD）或中位数[四分位距（IQR）]表示。分类变量以例数（%）表示。体重指数（BMI）增加定义为孕前BMI与分娩前BMI之间的差值。正常第二产程组包括第二产程持续时间 ≤120 min 的受试者，而延长第二产程组包括第二产程持续时间 >120 min 的受试者。P 值表示两组之间的比较结果。
活跃第一产程的临床与超声参数
比较了正常第二产程组与延长第二产程组在第一产程期间的经腹和经会阴超声参数（表3）。延长组中胎儿枕前位（OA）的比例显著低于正常组。此外，延长第二产程的产妇其肛提肌-耻骨距离（AOP）、会阴体至膀胱颈距离（HSD）以及会阴体至肛门距离（HPD）均显著更大（均 p < 0.05）。
| 变量 | 全部 (N = 159) | 第二产程正常 (N = 95) | 第二产程延长 (N = 64) | P 值 |
| 胎儿体位 | <0.0001 | |||
| 枕前位（OA） | 74 (46.5%) | 60 (63.2%) | 14 (21.9%) | |
| 非枕前位（Non-OA） | 85 (53.5%) | 35 (36.8%) | 50 (78.1%) | |
| AOP (°) | 124 [64.3; 158] | 111 [64.3; 142] | 138 [123; 158] | <0.0001 |
| HSD (cm) | 1.97 ± 0.39 | 1.81 ± 0.33 | 2.21 ± 0.34 | <0.0001 |
| HPD (cm) | 4.61 ± 0.71 | 4.23 ± 0.56 | 5.17 ± 0.51 | <0.0001 |
表3：第一产程期间经腹与经会阴超声参数的比较。 连续变量根据情况以均值±标准差（SD）或中位数[四分位距（IQR）]表示。分类变量以例数（%）表示。OA，枕前位；non-OA，非枕前位；AOP，进展角；HSD，胎头-耻骨联合距离；HPD，胎头-会阴距离。AOP以度（°）为单位测量，HSD和HPD以厘米（cm）为单位测量。正常第二产程组包括第二产程持续时间≤120 min的受试者，而延长第二产程组包括第二产程持续时间>120 min的受试者。P值表示两组间的比较结果。
潜在预测因子的单变量分析
进行单变量分析以确定与第二产程延长相关的变量（表4）。在正常组与延长组之间，有十个变量差异具有统计学意义（p < 0.10）：产妇年龄、妊娠期BMI增长、妊娠期糖尿病、新生儿出生体重、精神状态、子宫收缩乏力、胎儿体位、AOP、HSD 和 HPD。妊娠期高血压和孕周在两组间的差异均无统计学意义（两者 p > 0.10）。将 p < 0.10 的变量进一步纳入LASSO回归模型进行变量筛选。
| 变量 | 全部 (N = 159) | 第二产程正常 (N = 95) | 第二产程延长 (N = 64) | 统计量 | P 值 |
| 人口统计学与临床特征 | |||||
| 年龄（年） | 28.8 [19.4; 44.9] | 26.3 [19.4; 33.2] | 32.4 [22.3; 44.9] | Z = −5.891 | <0.001 |
| 妊娠期 BMI 增加量 (kg/m²) | 11.4 ± 3.62 | 10.1 ± 3.33 | 13.3 ± 3.17 | t = −5.912 | <0.001 |
| 妊娠期糖尿病，n (%) | 18 (11.3) | 3 (3.2) | 15 (23.4) | χ² = 15.207 | <0.001 |
| 妊娠期高血压，n (%) | 35 (22.0) | 20 (21.1) | 15 (23.4) | χ² = 0.135 | 0.872 |
| 新生儿出生体重 (kg) | 2.61 [1.68; 4.60] | 2.46 [1.68; 2.85] | 3.39 [1.71; 4.60] | Z = −6.234 | <0.001 |
| 意识状态改变，n (%) | 139 (87.4) | 90 (94.7) | 49 (76.6) | χ² = 10.912 | 0.001 |
| 子宫收缩乏力，n (%) | 36 (22.6) | 10 (10.5) | 26 (40.6) | χ² = 20.156 | <0.001 |
| 妊娠周数（周） | 38.1 ± 2.02 | 38.1 ± 1.99 | 37.9 ± 2.06 | t = 0.654 | 0.516 |
| 第一产程期间的超声参数 | |||||
| 胎儿位置（非枕前位），n (%) | 85 (53.5) | 35 (36.8) | 50 (78.1) | χ² = 26.543 | <0.001 |
| AOP (°) | 124 [64.3; 158] | 111 [64.3; 142] | 138 [123; 158] | Z = −6.781 | <0.001 |
| HSD (cm) | 1.97 ± 0.39 | 1.81 ± 0.33 | 2.21 ± 0.34 | t = −7.445 | <0.001 |
| HPD (cm) | 4.61 ± 0.71 | 4.23 ± 0.56 | 5.17 ± 0.51 | t = −9.332 | <0.001 |
表4：与第二产程延长相关的单因素分析。 连续变量根据情况以均值±标准差（SD）或中位数[四分位距（IQR）]表示。分类变量以数量（%）表示。BMI，体重指数；OA，枕前位；非OA，非枕前位；AOP，进展角；HSD，胎头-耻骨联合距离；HPD，胎头-会阴距离。正态分布的连续变量采用独立样本t检验进行比较，非正态分布的连续变量采用Mann–Whitney U检验（以Z统计量表示）进行比较，分类变量采用卡方（χ2）检验进行比较。P <0.10的变量被认为有资格纳入最小绝对收缩与选择算子（LASSO）回归分析。
基于最小绝对收缩与选择算子回归的变量筛选
为了在降低过拟合风险和多重共线性影响的同时构建一个简洁的预测模型，将单变量分析中筛选出的10个候选预测因子（p < 0.10；表4）纳入LASSO回归模型进行变量选择。最优正则化参数（λ）通过10折交叉验证确定。系数路径图（图2A）展示了随着λ增大，回归系数逐步向零收缩的过程。相应的交叉验证曲线（图2B）显示了交叉验证误差与不同λ值之间的关系。左侧垂直虚线表示使交叉验证误差最小的λ值，右侧垂直虚线表示在最小误差一个标准误范围内的最大λ值（即“一个标准误准则”）。本研究选用后者，以获得更为简洁的模型。根据“一个标准误准则”，保留了四个具有非零系数的预测因子：新生儿出生体重（系数 = 0.50）、妊娠期BMI增长（系数 = 0.12）、母亲年龄（系数 = 0.05）和AOP（系数 = 0.03）。这些系数代表在选定λ值下最终LASSO模型中的标准化惩罚系数。其余候选变量——HSD、HPD、妊娠期糖尿病、精神状态、子宫收缩乏力和胎儿体位——其系数被收缩至零，因此从最终的预测因子集合中剔除。所保留的变量随后被纳入多变量逻辑回归模型，以估计经调整的比值比（OR）及其对应的95%置信区间（CI）。
图 2．用于预测因子筛选的最小绝对收缩与选择算子（LASSO）回归分析。 （A） LASSO 回归过程中生成的系数路径。横轴表示正则化参数的对数值（log λ），纵轴表示标准化回归系数。每条曲线表示随着正则化惩罚项的增加，单个预测因子的系数逐渐向零收缩的过程。顶部的数字表示在每个 λ 值下保留的变量数量。编号的系数路径对应以下候选预测因子：（1）母亲年龄，（2）妊娠期体重指数（BMI）增长，（3）妊娠期糖尿病，（4）新生儿出生体重，（5）精神状态，（6）子宫收缩乏力，（7）胎儿体位，（8）进展角（AOP），（9）胎头–耻骨联合距离（HSD），以及（10）胎头–会阴距离（HPD）。（B） 采用十折交叉验证图确定最优正则化参数。横轴表示 log(λ)，纵轴表示二项偏差。数据点表示交叉验证误差的均值，误差棒表示 ±1 个标准误。左侧的垂直虚线表示使交叉验证误差最小的 λ 值，右侧的垂直虚线表示在最小误差一个标准误范围内的最大 λ 值（一标准误准则）。请点击此处查看该图的放大版本。
多变量逻辑回归与独立预测因子
LASSO 回归模型保留的四个预测因子——母亲年龄、妊娠期 BMI 增加、新生儿出生体重和 AOP——被纳入多变量逻辑回归模型（表5）。在相互调整后，这四个变量仍均与第二产程延长独立相关（所有 p < 0.05）。在重新拟合的多变量逻辑回归模型中，新生儿出生体重的校正后比值比（aOR）最大（aOR = 8.45，95% CI：3.21–22.24）。妊娠期 BMI 增加也与第二产程延长独立相关（aOR = 1.38，95% CI：1.15–1.66）。母亲年龄（aOR = 1.18，95% CI：1.05–1.32）和 AOP（aOR = 1.07，95% CI：1.02–1.12）同样与第二产程延长独立相关。根据似然比检验，该多变量逻辑回归模型具有统计学显著性（p < 0.001）。由于新生儿出生体重是在分娩后测量的，因此当前模型为探索性模型，在临床应用前需使用估计的胎儿体重重新拟合。
| 变量 | β | 标准误 | Wald χ² | P 值 | 调整后比值比 | 95% 置信区间 |
| 截距 | −15.92 | 3.01 | 27.98 | <0.001 | — | — |
| 母亲年龄（岁） | 0.16 | 0.06 | 7.11 | 0.008 | 1.18 | 1.05–1.32 |
| 妊娠期 BMI 增加值（kg/m²） | 0.32 | 0.09 | 12.65 | <0.001 | 1.38 | 1.15–1.66 |
| 新生儿出生体重（kg） | 4.26 | 0.9 | 22.41 | <0.001 | 8.45 | 3.21–22.24 |
| AOP（°） | 0.07 | 0.02 | 10.76 | 0.001 | 1.07 | 1.02–1.12 |
表5：多变量逻辑回归分析识别第二产程延长的独立预测因素。 该表格展示了使用最小绝对收缩与选择算子（LASSO）回归筛选变量构建的多变量逻辑回归模型结果。β，回归系数；SE，标准误；Wald χ2，Wald 卡方统计量；aOR，校正后比值比；CI，置信区间；BMI，体重指数；AOP，进展角度。截距代表模型常数。采用似然比检验评估模型整体显著性（χ2 = 85.34，P <0.001）。
预测模型构建与列线图
根据多变量逻辑回归分析确定的独立预测因子及其回归系数（表5），构建了针对个体患者的预测模型，用于估算初产妇第二产程延长的概率。该模型表达如下：
Logit(P) = -15.92 + 0.16（母亲年龄）+ 0.32（妊娠期BMI增长）+ 4.26（新生儿出生体重）+ 0.07（AOP）
此处，P 表示第二产程延长的预测概率。
为便于模型可视化，将回归方程以列线图形式呈现（图3）。每个预测因子对应一个独立的评分刻度。例如，对于一位产妇，其母体年龄为28岁，妊娠期BMI增加12 kg/m2，新生儿出生体重（分娩后实际测量的出生体重）为3.6 kg，AOP为115°，可通过在相应轴上找到各数值，垂直投影至“评分”轴，将各项评分相加得到“总评分”，再将总评分向下投影至“第二产程延长风险”轴，以估计预测概率。该列线图仅用于示意说明，因其纳入了实际新生儿出生体重；若用于临床应用，需采用估计的胎儿体重重新拟合模型。
图3．预测第二产程延长概率的列线图。 该列线图基于包含四个预测因子的多变量逻辑回归模型构建：产妇年龄、妊娠期BMI增加值、新生儿出生体重（分娩后实际测量的出生体重）以及AOP。为估算第二产程延长的预测概率，请在相应轴上找到每个预测因子的数值，并垂直投影至“Points”（评分）轴以确定对应的得分。将各项得分相加得到总分，再将总分投影至“Risk”（风险）轴，以估算第二产程延长的预测概率。此列线图仅用于说明目的，因其纳入了分娩前无法获知的实际新生儿出生体重。若用于临床实践，需使用EFW重新拟合模型。请点击此处查看该图的放大版本。
模型验证：区分度、校准度与临床效用
通过区分度、校准度和临床效用三个方面对模型的预测性能进行了内部评估。使用ROC曲线评估模型的区分度（图4）。模型的AUC为0.927（95% CI：0.879–0.961），表明具有极佳的区分能力。根据最大Youden指数，最优概率截断值为0.48。在此阈值下，模型的敏感性为85.9%，特异性为84.2%（表6）。
图4。评估预测模型性能的受试者工作特征（ROC）曲线。 受试者工作特征（ROC）曲线展示了该预测模型区分正常第二产程与延长第二产程的能力。蓝色曲线代表预测模型，曲线下面积（AUC）为0.927（95%置信区间[CI]：0.879–0.961）。最优概率截断值为0.48，对应的敏感性为85.9%，特异性为84.2%。灰色虚线对角线代表随机分类（AUC = 0.500）。横轴表示1 − 特异性（假阳性率[FPR]），纵轴表示敏感性（真阳性率[TPR]）。请点击此处查看该图的高清版本。
| 参数 | 数值 | 95% 置信区间 |
| AUC | 0.927 | 0.879–0.961 |
| 最佳临界值 | 0.480 | — |
| 灵敏度 | 85.90% | 75.0%–93.4% |
| 特异度 | 84.20% | 75.3%–90.9% |
| 阳性预测值 | 78.60% | 67.5%–87.3% |
| 阴性预测值 | 89.80% | 81.9%–95.0% |
| 准确率 | 84.90% | 78.3%–90.1% |
表6：预测模型在最优概率截断值下的性能。 使用受试者工作特征曲线下面积（AUC）评估多变量逻辑回归模型的预测性能。最优概率截断值0.48通过最大化约登指数确定。敏感性表示正确识别的真阳性病例所占比例，特异性表示正确识别的真阴性病例所占比例，阳性预测值（PPV）表示被分类为阳性的参与者确实存在第二产程延长的概率，阴性预测值（NPV）表示被分类为阴性的参与者确实不存在第二产程延长的概率。CI，置信区间。
采用基于1,000次重采样生成的自助法校准曲线及Hosmer–Lemeshow拟合优度检验对模型校准度进行评估（图5A）。校准曲线 closely 沿理想参考线分布，表明预测概率与实际观察概率之间具有良好一致性。Hosmer–Lemeshow拟合优度检验无统计学显著性（χ2 = 6.15，p = 0.630），提示该内部验证模型具有充分的校准能力。临床效用通过决策曲线分析（DCA）进行评估（图5B）。在阈值概率约为10%–70%的范围内，该预测模型相比“全部治疗”或“均不治疗”策略可提供更高的净获益。当阈值概率低于约10%时，“均不治疗”策略的净获益更高；而当阈值概率高于约70%时，“全部治疗”策略表现相当或更优。这些结果表明，该模型在中等范围的阈值概率下可能具有临床应用价值。总体而言，该预测模型在内部验证过程中表现出优异的区分能力、充分的校准度以及良好的临床效用。然而，由于验证仅限于本研究的数据集，且模型纳入了实际新生儿出生体重，因此在临床应用前，尚需使用估计胎儿体重进行外部验证及模型重拟合。
图 5．预测模型的校准曲线与决策曲线分析。 （A）使用 1,000 次自助抽样重采样生成的预测模型校准曲线。实测曲线表示模型在本研究数据集中的表现，偏倚校正曲线表示经自助法调整后的校准结果，对角虚线表示预测概率与实际观察概率之间的理想一致性。Hosmer–Lemeshow 拟合优度检验结果为 χ2 = 6.15，p = 0.630。（B） 决策曲线分析（DCA），用于评估预测模型在不同阈值概率范围内的临床实用性。绿色曲线代表预测模型，橙色直线代表“全部治疗”策略，蓝色直线代表“不予治疗”策略。阴影区域表示本研究中评估的 10%–70% 阈值概率范围，垂直虚线标出下限（10%）和上限（70%）阈值。x 轴表示阈值概率，y 轴表示净获益。请点击此处查看该图的高清版本。
数据可用性：
支持本研究结果的去识别化个体参与者数据集已在补充表1中提供。该数据集包含用于所有统计分析、模型构建、内部验证以及报告表格和图表制备的原始数据。
补充图1. 预测模型开发与内部验证的整体研究流程。 该流程展示了研究对象的招募与资格评估、在第一产程活跃期采集产妇临床特征及产时超声测量数据、根据世界卫生组织（WHO）120分钟标准将病例分为第二产程正常组与延长组、使用最小绝对收缩与选择算子（LASSO）回归进行预测因子筛选、构建多变量逻辑回归模型及列线图，并通过受试者工作特征（ROC）分析、校准分析和决策曲线分析（DCA）进行模型内部评估。请点击此处下载该文件。
补充表 1. 用于模型开发和内部验证的个体参与者数据集。 本表包含用于所有统计分析的去标识化个体参与者数据，包括预测模型的开发和内部验证。变量包括第二产程结局、第二产程持续时间、新生儿结局、产妇人口学和临床特征，以及第一产程期间获得的经腹和经会阴超声测量值。体重指数（BMI）= 体重指数；枕前位（OA）= 胎儿枕前位；进展角（AOP）= 进展角；胎头-耻骨联合距离（HSD）= 胎头-耻骨联合距离；胎头-会阴距离（HPD）= 胎头-会阴距离。 请点击此处下载该文件。
讨论
随着产科管理的不断改进，第二产程延长已成为影响母婴结局的一个日益重要的因素。既往研究表明，第二产程延长与产程复杂性增加、剖宫产率升高以及新生儿 Apgar 评分降低相关1,2。这些发现凸显了优化围产期管理、实施早期识别第二产程延长高风险产妇策略的临床重要性。本研究利用人口统计学特征、临床特征和超声参数，建立并进行了内部验证一个用于预测第二产程延长的模型，并评估了其潜在的临床应用价值。结果显示，在最终的多变量模型中，产妇年龄、妊娠期间体重指数（BMI）的增加、新生儿出生体重和产前骨盆角度（AOP）与第二产程延长独立相关；而在单因素分析中，妊娠期糖尿病、宫缩乏力和意识状态改变虽与第二产程延长相关，但在最终预测模型中未被保留。通过将人口统计学、临床和超声数据整合到一个多维度预测模型中，本研究为在第一产程期间识别第二产程延长高风险产妇提供了客观的评估框架。此类早期风险分层可能有助于个体化的产程管理，包括对产程进展进行更密切的监测以及及时的临床决策，从而改善母婴结局。
我们的研究结果表明，第二产程延长与不良胎儿结局密切相关。与既往报道一致，第二产程延长显著增加了低Apgar评分和胎儿窘迫的风险3,8。从机制上看，这种关联可能归因于产程延长期间胎儿缺氧和宫内应激增加。当胎儿头部在母体骨盆内长时间受压时，胎盘灌注可能变得不足，导致氧供缺乏和异常的胎儿心率模式，从而影响新生儿即刻状况9。从人口学角度来看，本研究显示，高龄产妇、妊娠期体重指数（BMI）增长较大以及妊娠期糖尿病均与第二产程延长相关。特别是，高龄产妇发生产程延长的风险更高，这与既往研究结果一致10。生理上，产妇年龄增长可能影响宫颈成熟和子宫收缩力，从而延缓产程进展。妊娠期BMI增长较大和妊娠期糖尿病可能通过增加胎儿体型和改变子宫收缩模式进一步影响产程进展。此外，单变量分析显示，子宫收缩乏力和产妇精神状态改变与第二产程延长显著相关。这些发现强调了在分娩过程中密切监测子宫收缩力和产妇心理状态的重要性，因为这两个因素可能通过影响子宫收缩的节律和强度而间接导致产程延长。超声参数在预测第二产程延长方面也发挥着重要作用11,12,13,14。在本研究中，多变量Logistic回归分析确定AOP是第二产程延长的独立预测因子（p < 0.05）。HSD和HPD在单变量分析中与第二产程延长显著相关，但在经过LASSO变量筛选后未保留在最终预测模型中。HSD增加提示胎儿头部在骨盆入口处处于较高位置，表明下降受阻，第二产程延长的可能性增加15,16,17。AOP反映了胎儿头部的下降和旋转情况，因此与产程进展具有直接关系6,18。尽管经腹超声测定的胎儿体位未保留在最终预测模型中，但经腹超声在临床上仍有助于识别可能需要更密切产时评估的胎儿异常体位（如枕后位或横位）。总体而言，这些发现表明，产时超声可提供关于胎儿体位和胎头下降的客观信息，有助于早期识别第二产程延长高风险产妇。本研究通过整合人口学特征与超声参数，建立了一个内部验证的预测模型。LASSO回归筛选出四个具有非零系数的变量——产妇年龄、妊娠期BMI增长、新生儿出生体重和AOP，随后将其纳入多变量Logistic回归模型以估算校正后的效应大小。采用“一标准误准则”进行模型选择，该模型在内部验证中的AUC达到0.927，表明其具有极佳的区分能力。然而，由于该模型纳入了分娩后实际测量的新生儿出生体重，因此应视为探索性和示范性模型，尚不能直接应用于临床实践。未来若要实现临床应用，需使用估计胎儿体重重新拟合模型，并进行独立的外部验证。在这些局限性下，整合人口学特征与超声参数可能有助于更早地进行风险分层，并支持个体化的产时管理19,20,21,22。
与以往研究相比，本研究具有若干重要优势。首先，通过整合人口统计学特征、临床变量和超声参数，实现了对与第二产程延长相关因素的多维度评估。其次，采用LASSO回归进行变量选择和系数压缩，可在存在相关预测因子时有效处理多重共线性问题，并提高模型稳定性。第三，样本量为模型构建和内部验证提供了足够的统计效能。尽管具有上述优势，但仍需承认存在若干局限性。第一，本研究为单中心前瞻性研究，仅纳入最终实现阴道分娩的产妇；因此，排除了在第二产程中接受手术助产或剖宫产的产妇，这可能引入选择偏倚，并限制研究结果的普适性。此外，结局定义未将手术助产作为产程延长产妇中的竞争性结局加以考虑。因此，在临床应用前，需在独立的多中心前瞻性队列中进行外部验证。第二，所有模型性能评估（包括ROC分析、校准曲线和决策曲线分析）均基于使用同一研究人群的内部验证，尚无独立的外部验证队列。第三，尽管记录了硬膜外镇痛、催产素引产和人工破膜情况，但这些变量未被纳入最终的预测模型。其他可能重要的影响因素，如子宫收缩特征、产程管理策略及产妇疼痛评分，也可能影响产程进展，应在未来研究中加以评估。第四，尽管经过标准化培训且观察者间重复性较高，部分超声测量仍依赖操作者判断，且仅分析了产程活跃期第一阶段的一次测量结果。由于产程是一个动态过程，对不同宫缩期间获取的三次测量值取平均可减少随机测量误差，但也可能掩盖胎头下降的快速变化。未来研究若能纳入连续的时间标记超声评估（如随时间变化的AOP），可能提升预测效能23，24。最后，本预测模型使用分娩后测得的新生儿实际出生体重构建，以建立其与第二产程延长之间的生理关联。因此，该模型应被视为探索性模型，尚不能直接用于产时临床预测。临床应用前需基于分娩前估算的胎儿体重重新构建并进行外部验证，而非简单代入当前方程。由于估算胎儿体重本身存在固有测量误差（通常为±10%–15%），在用于临床前，应在独立队列中重新估算模型系数及其性能表现。此外，本研究中子宫收缩乏力的定义依据观察到的宫缩频率和持续时间，而非ACOG或NICE推荐的产程停滞诊断标准，这可能限制与其他研究的直接比较。最后，采用固定的120分钟阈值定义第二产程延长，未考虑接受硬膜外镇痛的产妇可能允许更长产程的情况，这可能进一步限制模型的普适性。
未来的研究应探索检验本研究中假设的其他方法。首先，尽管本研究在产程活跃期开始时仅进行了一次超声评估，但连续测量（例如，随时间变化的主动脉流出道面积（AOP）或胎头下降距离）可能更准确地反映胎儿下降的动态过程，并可能提高预测性能，近期研究已提出此观点23,24。其次，尽管LASSO回归与多变量逻辑回归的结合产生了简洁且易于解释的模型，但其他机器学习方法（如随机森林、支持向量机和梯度提升）可能更有效地捕捉预测变量之间的非线性关系和复杂交互作用，尽管这可能以牺牲可解释性为代价。第三，由于不同临床指南对第二产程延长的定义存在差异，例如对接受硬膜外镇痛的产妇采用更长的时间阈值，因此有必要针对不同的结局定义对模型进行重新校准。第四，未来模型的构建应使用估算的胎儿体重而非实际新生儿出生体重，而其他超声估测胎儿体重的方法（包括三维超声技术）可能有助于减少测量误差。最后，纳入连续的产时监测数据，如子宫收缩强度或自动胎心监护分析结果，可能进一步改善风险分层。对这些方法的比较评估有助于确定预测第二产程延长的最佳策略。
本研究的另一项局限性在于，仅纳入了成功实现阴道分娩的女性，以确保第二产程持续时间的准确测量。因此，那些在第二产程延长后接受了产钳或胎头吸引等手术助产或剖宫产的女性被排除在外，尽管她们也符合本研究对产程延长的定义。这一选择标准可能低估了第二产程延长的真实发生率，并引入了结局确认偏倚。此外，在第二产程完成前实施的手术助产是一种竞争性结局，而非简单的非事件，因此未被纳入预测模型中。因此，当前模型仅估计最终实现阴道分娩的女性中发生第二产程延长的概率，不应被用于预测是否需要手术助产。为了确定该模型的普适性与临床适用性，还需在包含手术助产的更广泛、非选择性产科人群中进行外部验证。即使在仅限于阴道分娩女性的队列中，第二产程延长与不良结局（包括胎儿窘迫和低Apgar评分）之间的显著关联，仍凸显了早期风险评估的重要性。本队列中较高的阴道分娩率反映了研究的纳入标准，不应被解读为在常规临床实践中手术干预是不必要的。
该预测模型具有多种潜在应用价值。在使用估计胎儿体重进行重新开发并完成独立的外部验证后，该模型可被整合至电子健康记录系统中，用于在第一产程活跃期期间评估个体发生第二产程延长的风险，从而实现实时识别高风险产妇。根据本研究确定的最佳概率截断值（0.48），该模型可辅助个体化的产时管理，包括加强母体与胎儿的监测以及及时的临床决策。此外，该模型还可用于未来干预性研究中的风险分层，例如评估产程管理策略、硬膜外麻醉方案或子宫刺激措施，通过实现基线风险的更均衡分配来提高研究设计的科学性。由于模型所需输入变量均为临床常规采集指标，因此该模型也可为未来的外部验证及其他产科人群（包括经产妇及接受引产的产妇）中的适应性研究提供实用框架。综上所述，将第一产程经腹与经会阴超声参数与产妇人口统计学及临床特征相结合，成功构建了一个经过内部验证的第二产程延长预测模型。多维度评估结果显示，产妇年龄、妊娠期体重指数（BMI）增长、新生儿出生体重以及产前骨盆角度（AOP）均与第二产程延长独立相关，且模型在内部验证中表现出优异的区分度和良好的校准性。尽管这些结果支持该方法在产时早期风险评估中的潜在价值，但该模型目前仍属探索性，因其纳入了实际新生儿出生体重且仅完成了内部验证。在临床应用前，应基于估计胎儿体重对该模型进行重新开发，并在独立的多中心队列中进行外部验证。未来的研究还应探索纳入其他预测因子，如子宫收缩特征、疼痛管理变量及产时干预措施，以构建一个更全面且具有广泛适用性的个体化产程管理预测模型。
披露
利益冲突：
作者声明本工作不存在任何相关的竞争性财务或非财务利益。
致谢
作者感谢余姚市妇幼保健院（余姚市第二人民医院）妇产科护理及医务人员在参与者招募和数据收集方面提供的协助。本研究由2024年余姚市卫生科技计划项目（项目编号：2024YYB03）资助。
材料
| 姓名 | 公司 | 目录编号 | 评论 |
|---|---|---|---|
| 便携式诊断超声系统 | Mindray | CAU-01040644 | 用于经腹和经会阴成像的便携式诊断超声系统；成像参数设置详见实验方案 |
| 凸阵超声探头（2–5 MHz） | Mindray | C5-2 | 用于经腹超声成像 |
| 高频线阵或小曲率凸阵超声探头（5–8 MHz） | Mindray | 75L38EA | 用于经会阴超声成像 |
| R 软件 | R Foundation for Statistical Computing | Version 4.1.0 | 统计计算软件（RRID:SCR_001905） |
| SPSS 软件 | IBM Corp. | Version 26.0 | 统计分析软件（RRID:SCR_002865） |
| 自评焦虑量表 | 已发表问卷（Zung 自评焦虑量表） | 不适用 | 入院时使用的焦虑评估问卷 |
参考文献
- American College of Obstetricians and Gynecologists, Society for Maternal-Fetal Medicine. Obstetric Care Consensus No. 1: Safe prevention of the primary cesarean delivery. Obstet Gynecol. 2014;123(3):693-711. doi:10.1097/01.AOG.0000444441.04111.1d.
- World Health Organization. WHO Guidelines Approved by the Guidelines Review Committee. World Health Organization; Geneva; 2015.
- Miyamoto K, et al. Prolonged second stage of labor in delivery using epidural analgesia is a risk factor for postpartum urinary retention. J Obstet Gynaecol Res. 2024;50(3):424-429. doi:10.1111/jog.15867.
- Kahrs BH. Ultrasound before operative vaginal delivery: Why and how. Minerva Obstet Gynecol. 2021;73(1):67-73. doi:10.23736/S2724-606X.20.04667-5.
- Yano E, et al. Anatomical identification of ischial spines applicable to intrapartum transperineal ultrasound based on magnetic resonance imaging of pregnant women. J Matern Fetal Neonatal Med. 2022;35(25):9736-9741. doi:10.1080/14767058.2022.2051007.
- Kahrs BH, Eggebø TM. Intrapartum ultrasound in women with prolonged first stage of labor. Am J Obstet Gynecol MFM. 2021;3(6):100427. doi:10.1016/j.ajogmf.2021.100427.
- Lee NMW, et al. Implementation of sonopartogram: Multicenter feasibility study. Ultrasound Obstet Gynecol. 2024;64(2):214-221. doi:10.1002/uog.27634.
- Saucedo AM, et al. First and second stage risk factors associated with perineal lacerations. Matern Child Health J. 2024;28(7):1228-1233. doi:10.1007/s10995-024-03919-1.
- Zhang M, et al. Risk factors for episiotomy during vaginal childbirth: A retrospective cohort study in Western China. J Evid Based Med. 2018;11(4):233-241. doi:10.1111/jebm.12316.
- Friedman EA, Cohen WR. The active phase of labor. Am J Obstet Gynecol. 2023;228(5 Suppl):S1037-S1049. doi:10.1016/j.ajog.2021.12.269.
- Kalache KD, et al. Transperineal ultrasound imaging in prolonged second stage of labor with occipitoanterior presenting fetuses: How well does the angle of progression predict the mode of delivery? Ultrasound Obstet Gynecol. 2009;33(3):326-330. doi:10.1002/uog.6294.
- Chan YT, et al. Relationship between intrapartum transperineal ultrasound measurement of angle of progression and head-perineum distance with correlation to conventional clinical parameters of labor progress and time to delivery. J Matern Fetal Neonatal Med. 2015;28(12):1476-1481. doi:10.3109/14767058.2014.958459.
- Chor CM, et al. Prediction of labor outcome using serial transperineal ultrasound in the first stage of labor. J Matern Fetal Neonatal Med. 2019;32(1):31-37. doi:10.1080/14767058.2017.1369946.
- Maged AM, et al. Measurement of the fetal occiput-spine angle during the first stage of labor as predictor of the progress and outcome of labor. J Matern Fetal Neonatal Med. 2019;32(14):2332-2337. doi:10.1080/14767058.2018.1432589.
- Gimovsky AC, Berghella V. Evidence-based labor management: Second stage of labor (part 4). Am J Obstet Gynecol MFM. 2022;4(3):100548. doi:10.1016/j.ajogmf.2021.100548.
- Barak O, et al. The routine use of intrapartum ultrasound in clinical decision-making during the second stage of labor: Does it have any impact on delivery outcomes? Gynecol Obstet Invest. 2018;83(1):9-14. doi:10.1159/000455847.
- Beck R, et al. Intrapartum sonography of fetal head in second stage of labor with neuraxial analgesia: A literature review and possible medicolegal aftermath. Eur Rev Med Pharmacol Sci. 2019;23(8):3159-3166. doi:10.26355/eurrev_201904_17673.
- Li N, et al. Risk factors and clinical prediction of shoulder dystocia in non-macrosomia. Zhonghua Fu Chan Ke Za Zhi. 2015;50(1):17-21. doi:10.3760/cma.j.issn.0529-567X.2015.01.005.
- Carvalho Neto RH, et al. Assessment of the angle of progression and distance perineum-head in the prediction of type of delivery and duration of labor using intrapartum ultrasonography. J Matern Fetal Neonatal Med. 2021;34(14):2340-2348. doi:10.1080/14767058.2019.1666818.
- Haberman S, et al. A novel partogram for stages 1 and 2 of labor based on fetal head station measured by ultrasound: A prospective multicenter cohort study. Am J Perinatol. 2021;38(S01):e14-e20. doi:10.1055/s-0040-1702989.
- Pan WL, et al. Accuracy of non-invasive methods for assessing the progress of labor in the first stage: A systematic review and meta-analysis. BMC Pregnancy Childbirth. 2022;22(1):608. doi:10.1186/s12884-022-04938-y.
- Ghi T, Dall'Asta A. Sonographic evaluation of the fetal head position and attitude during labor. Am J Obstet Gynecol. 2024;230(3 Suppl):S890-S900. doi:10.1016/j.ajog.2022.06.003.
- Nassr AA, et al. Intrapartum ultrasound measurement of angle of progression at the onset of the second stage of labor for prediction of spontaneous vaginal delivery in term singleton pregnancies: A systematic review and meta-analysis. Am J Obstet Gynecol. 2022;226(2):205-214. https://doi.org/10.1016/j.ajog.2021.07.031.
- Hans R, Reddy D, Shetty J. Serial intrapartum ultrasound to predict vaginal delivery using angle of progression and head-progression distance in term nulliparous women. Eur J Obstet Gynecol Reprod Biol. 2025;293:18-23.