Este estudio observacional prospectivo describe el desarrollo y la validación interna de un modelo predictivo que utiliza parámetros ecográficos transabdominales y transperineales del primer estadio, combinados con características clínicas maternas, para facilitar la identificación temprana de mujeres en riesgo de parto prolongado en el segundo estadio.
Artículo de investigación
Desarrollo y validación interna de un modelo predictivo para el segundo periodo del trabajo de parto prolongado utilizando datos del primer periodo: un estudio observacional prospectivo
22 visualizaciones
⸱
11 de septiembre de 2026
* These authors contributed equally
En este artículo
Resumen
Resumen
La prolongación de la segunda etapa del parto se asocia con resultados adversos maternos y neonatales, lo que hace que la identificación temprana del riesgo sea clínicamente importante. Este estudio evaluó si la combinación de parámetros ecográficos transabdominales y transperineales obtenidos durante la primera etapa del parto podría predecir una segunda etapa prolongada. Este estudio prospectivo observacional incluyó primíparas que se sometieron a ecografía transabdominal y transperineal durante la fase activa de la primera etapa del parto. Se registraron la posición fetal, el ángulo de progresión (AOP), la distancia entre la cabeza y el pubis, la distancia entre la cabeza y el periné, y las características clínicas maternas. Las participantes se clasificaron en grupos de segunda etapa normal (≤120 minutos) y prolongada (>120 minutos). Se utilizó la regresión por contracción y selección por mínimos absolutos (LASSO) para seleccionar los predictores clave, y la regresión logística multivariable identificó los predictores independientes para el desarrollo del modelo. El desempeño predictivo se evaluó mediante análisis de la curva característica de operación del receptor (ROC), calibración y análisis de curva de decisión (DCA) durante la validación interna. El análisis incluyó a 159 primíparas (95 con segunda etapa normal y 64 con segunda etapa prolongada). En comparación con el grupo normal, el grupo prolongado presentó mayores incidencias de sufrimiento fetal (31,2 % frente a 15,8 %, p = 0,035) y puntuaciones bajas en la escala de Apariencia, Pulso, Reflejos, Actividad y Respiración (Apgar) (70,3 % frente a 36,8 %, p < 0,001). La regresión LASSO identificó cuatro predictores clave: edad materna, aumento del índice de masa corporal durante la gestación, peso al nacer del neonato y AOP, todos los cuales permanecieron como predictores independientes (p < 0,05). El modelo predictivo alcanzó un área bajo la curva ROC de 0,927 y demostró buena discriminación, calibración y utilidad clínica en la validación interna. Los parámetros ecográficos de la primera etapa, combinados con las características clínicas maternas, podrían facilitar la identificación temprana de primíparas de alto riesgo y apoyar la gestión intraparto.
Introducción
El trabajo de parto prolongado ha sido durante mucho tiempo una preocupación importante en la práctica obstétrica. En particular, la prolongación de la segunda etapa no solo incrementa el dolor materno, sino que también contribuye a resultados neonatales adversos1. Según las últimas directrices emitidas por la Organización Mundial de la Salud (OMS), la duración normal de la segunda etapa del trabajo de parto es ≤120 min. En otras palabras, una segunda etapa que dura >120 min se considera prolongada. Se estima que la incidencia mundial de segunda etapa prolongada es del 3 %–8 %1,2. Esta prolongación incrementa los riesgos de infección materna, cesárea, hemorragia posparto, sufrimiento fetal, puntuaciones bajas en la escala de Apgar (Aspecto, Pulso, Reflejos, Actividad y Respiración) y mortalidad perinatal1. Estudios previos han demostrado que la edad materna, el aumento del índice de masa corporal (IMC) durante la gestación y el peso al nacer del recién nacido se asocian con una segunda etapa prolongada del trabajo de parto; sin embargo, su valor predictivo sigue siendo limitado3. Por lo tanto, identificar predictores más eficaces tiene una importancia considerable para facilitar intervenciones clínicas oportunas, optimizar la progresión del parto, reducir la ocurrencia de trabajo de parto prolongado y mejorar los resultados maternos y neonatales.
En los últimos años, la ecografía ha sido cada vez más integrada en la atención obstétrica, particularmente en el manejo intraparto, ya que permite una evaluación objetiva en tiempo real de la posición, orientación y descenso fetal3,4. Hay evidencia que sugiere que la ecografía intraparto desempeña un papel importante en la predicción de la progresión del trabajo de parto, la evaluación del estado fetal y la orientación de la toma de decisiones clínicas respecto al tipo de parto5. Sin embargo, aún existen importantes vacíos en la literatura actual. En primer lugar, relativamente pocos estudios han investigado específicamente el uso de parámetros ecográficos para predecir un segundo estadio del trabajo de parto prolongado. En segundo lugar, aunque la posición de la cabeza fetal, la posición fetal y su relación espacial con la pelvis materna durante el primer estadio del trabajo de parto pueden influir directamente en la duración del segundo estadio6, los estudios que evalúan estos parámetros ecográficos del primer estadio en relación con la prolongación del segundo estadio siguen siendo limitados.
En este contexto, el presente estudio observacional prospectivo recopiló datos de parto de un solo centro durante la primera etapa del trabajo de parto. Se obtuvieron parámetros ecográficos mediante escaneo transabdominal y transperineal, incluyendo la distancia cabeza-sínfisis (HSD), el ángulo de progresión (AOP) y la distancia cabeza-perineo (HPD). A diferencia de estudios previos basados en ecografía que se centraron principalmente en predecir resultados inmediatos del parto o la necesidad de intervención operatoria durante la segunda etapa del trabajo de parto, el presente estudio investigó específicamente la predicción temprana de una segunda etapa prolongada del parto utilizando parámetros ecográficos de la primera etapa. Estos parámetros se combinaron con características demográficas y clínicas maternas para evaluar su valor predictivo respecto a una segunda etapa prolongada del parto. Este enfoque aborda un vacío importante de conocimiento, ya que ningún estudio previo ha integrado hallazgos ecográficos multidimensionales de la primera etapa con características clínicas maternas en un modelo predictivo para la prolongación de la segunda etapa. Por consiguiente, se desarrolló y validó internamente un modelo predictivo. Se espera que este estudio proporcione a los clínicos una herramienta objetiva para la identificación temprana de primíparas en riesgo de segunda etapa prolongada durante la primera etapa del trabajo de parto, apoyando así un manejo intraparto más individualizado y mejores resultados maternos y neonatales.
Protocolo
Este estudio se realizó de acuerdo con la Declaración de Helsinki y fue aprobado por el Comité de Ética del Hospital de Salud Materno-Infantil de Yuyao (Segundo Hospital Popular de Yuyao) (número de aprobación: YMCH-EC-2023KT-0012). Todos los participantes proporcionaron consentimiento informado por escrito.
Participantes del estudio
Se incluyeron mujeres primíparas con inicio espontáneo del trabajo de parto que lograron un parto vaginal exitoso. Esto permitió registrar con precisión la duración de la segunda etapa, necesaria para el modelo predictivo. Los criterios de elegibilidad fueron los siguientes: (1) embarazo singleton con una edad gestacional de ≥37 semanas; (2) presentación cefálica; y (3) consentimiento informado obtenido tanto de la participante como de su familia. Los criterios de exclusión incluyeron lo siguiente: (1) contraindicaciones absolutas para el intento de parto identificadas durante la fase activa (por ejemplo, placenta previa, vasa previa, prolapso del cordón umbilical); y/o (2) inercia uterina secundaria (definida como la falta de progresión en la dilatación cervical o el descenso fetal durante ≥4 h a pesar de la administración de oxitocina o amniotomía). También se excluyeron a las mujeres sometidas a inducción del trabajo de parto.
Cabe destacar que las mujeres que requirieron intervención quirúrgica de emergencia (cesárea o parto instrumental) debido a sufrimiento fetal agudo durante la segunda etapa fueron manejadas según las guías clínicas, pero no se incluyeron en este análisis para preservar la integridad de los registros de duración del trabajo de parto.
El tamaño de la muestra se calculó en función de los resultados de un ensayo preliminar (n = 30, en el que la incidencia de prolongación de la segunda etapa fue del 20 %). Con un valor de α establecido en 0,05 y β en 0,20, y suponiendo una incidencia estimada de prolongación de la segunda etapa de aproximadamente el 20 %, se requirió un mínimo de 150 participantes para detectar un predictor significativo con una razón de momios (OR) ≥ 2,5. Un total de 159 mujeres fueron incluidas en el análisis final.
Adquisición de datos clínicos
Las variables maternas incluyeron la edad, el aumento del índice de masa corporal (IMC) durante la gestación (definido como la diferencia entre el IMC previo al embarazo y el IMC previo al parto), diabetes gestacional, hipertensión gestacional, estado mental (evaluado mediante la Escala de Autoevaluación de la Ansiedad, en la que una puntuación ≥50 indica ansiedad), inercia uterina (referida específicamente a un patrón de contracciones hipotónicas evaluado clínicamente, definido como contracciones uterinas que ocurren a intervalos >5 min o que duran <30 s, diferenciado de la definición del Colegio Estadounidense de Obstetras y Ginecólogos [ACOG] de detención del trabajo de parto) y paridad. Las variables neonatales incluyeron el peso al nacer (kg), sufrimiento fetal (definido como desaceleraciones tardías o variables recurrentes en la cardiotocografía o una frecuencia cardíaca fetal basal <110 latidos/min o >160 latidos/min) y la puntuación de Apgar (una puntuación a 1 minuto <7 se clasificó como baja).
La diabetes gestacional se diagnosticó según los criterios del Grupo Internacional de Estudios sobre Diabetes y Embarazo (glucosa en ayunas de 5,1 a 6,9 mmol/L o a la 1 h ≥10,0 mmol/L o a las 2 h de 8,5 a 11,0 mmol/L en la prueba oral de tolerancia a la glucosa de 75 g entre las 24 y 28 semanas). La hipertensión gestacional se definió según las guías de la ACOG (presión arterial sistólica ≥140 mmHg o presión arterial diastólica ≥90 mmHg medida dos veces con un intervalo ≥4 h después de la semana 20 de gestación, sin proteinuria). El sufrimiento fetal en la cardiotocografía se definió como desaceleraciones tardías recurrentes (≥50 % de las contracciones), desaceleraciones variables recurrentes de duración >60 s, desaceleración prolongada de 2 a 10 min o una frecuencia cardíaca fetal basal <110 o >160 latidos/min durante ≥10 min (según los criterios del Instituto Nacional de Salud y Excelencia Clínica [NICE]). La inercia uterina (contracciones hipotónicas) se definió como intervalos entre contracciones >5 min o duración de la contracción <30 s durante 30 min, evaluado mediante palpación o tocodinamometría. El estado mental (ansiedad) se evaluó utilizando la Escala de Autoevaluación de la Ansiedad al ingreso (dilatación cervical < 4 cm), considerándose anormal una puntuación bruta ≥50 (índice estandarizado). Una puntuación de Apgar baja se definió como una puntuación a los 1 min <7 (OMS).
Dado que este fue un estudio observacional, la atención del trabajo de parto siguió la práctica clínica habitual sin un protocolo estandarizado. Sin embargo, se registraron sistemáticamente la analgesia epidural (sí/no, momento de inicio, duración), la augmentación con oxitocina (sí/no, dosis total, duración), la rotura artificial de membranas (sí/no, dilatación cervical en el momento del procedimiento) y la vía de parto (parto vaginal espontáneo únicamente, según los criterios de inclusión). No se observó ninguna interacción significativa entre estas variables y los predictores principales del modelo.
Examen ecográfico transabdominal y transperineal en la primera etapa temprana del parto
La ecografía se realizó al inicio de la fase activa del parto (dilatación cervical ≥4 cm). La paciente se colocó en posición supina con una inclinación lateral izquierda de 15° tras vaciar la vejiga. Para la exploración transperineal, los muslos se abdujeron y flexionaron ligeramente. Todas las imágenes se obtuvieron en el pico de una contracción uterina, identificado mediante palpación clínica junto con tocodynamometría externa (cardiotocografía) para confirmar el pico de cada contracción. Cada medición se repitió durante tres contracciones separadas, utilizando el valor promedio para el análisis. Los exámenes ecográficos se realizaron con un sistema portátil de ultrasonido diagnóstico (ver Tabla de materiales). Para la imagen transabdominal se utilizó una sonda convexa (2–5 MHz); para la imagen transperineal, una sonda lineal de alta frecuencia o una sonda convexa de pequeño tamaño (5–8 MHz). Los parámetros de imagen se estandarizaron (profundidad de 6–10 cm, ganancia optimizada y una zona focal única posicionada en la sínfisis púbica).
Para la evaluación de la posición fetal, una exploración transversal transabdominal identificó la órbita fetal, el cerebelo y la línea media talámica en relación con la pelvis materna para determinar la posición occipital anterior (OA), transversa o posterior. Para las mediciones transperineales, el transductor se cubrió con una funda estéril y se colocó sobre el periné en el plano medio sagital sin presión excesiva. Los puntos de referencia anatómicos incluyeron toda la sínfisis púbica, el contorno del cráneo fetal y la unión anorrectal.
Se midieron los siguientes parámetros (Figura 1A–D): ángulo de progresión (AOP), definido como el ángulo entre el eje longitudinal de la sínfisis púbica y una línea que se extiende desde su borde inferior hasta el punto más profundo del cráneo fetal; ángulo medio (MLA), definido como el ángulo entre la línea media del cráneo fetal (hoz del cerebro) y el eje anteroposterior de la pelvis materna; distancia entre la cabeza y la sínfisis (HSD), definida como la distancia desde el borde inferior de la sínfisis púbica hasta el punto más cercano del cráneo fetal; y distancia entre la cabeza y el periné (HPD), definida como la distancia más corta desde el cráneo fetal externo hasta la piel del periné7.
Figura 1. Mediciones ecográficas obtenidas durante la primera etapa del parto. (A) Medición del ángulo de progresión (AOP), definido como el ángulo entre el eje largo de la sínfisis púbica y una línea que se extiende desde su borde inferior hasta el punto más profundo del cráneo fetal. (B) Medición del ángulo de la línea media (MLA), definido como el ángulo entre la línea media del cráneo fetal (hendura cerebral) y el eje anteroposterior de la pelvis materna. (C) Medición de la distancia entre la cabeza y la sínfisis (HSD), definida como la distancia desde el borde inferior de la sínfisis púbica hasta el punto más cercano del cráneo fetal. (D) Medición de la distancia entre la cabeza y el periné (HPD), definida como la distancia más corta desde la superficie externa del cráneo fetal hasta la piel perineal materna. Haga clic aquí para ver una versión más grande de esta figura.
Cada medición se realizó tres veces durante tres picos de contracción separados, y se utilizó el valor promedio para el análisis. Todos los exámenes fueron realizados por tres ecógrafos experimentados (cada uno con ≥10 años de experiencia en ecografía obstétrica), quienes completaron una formación estandarizada en mediciones ecográficas transperineales intraparto antes del estudio. La competencia se confirmó al alcanzar un coeficiente de correlación intraclase (ICC) de ≥0,90 frente a un evaluador patrón (autor principal). La reproducibilidad interobservador e intraobservador se evaluó durante una fase piloto que incluyó a 10 pacientes (no incluidas en el estudio principal), obteniéndose valores de ICC que oscilaron entre 0,89 y 0,96 para todos los parámetros (AOP, HSD, HPD y MLA).
Para la aceptación de la imagen se requería una visualización clara de la sínfisis púbica, el contorno del cráneo fetal y la unión anorrectal. Las imágenes con presión excesiva del transductor o con referencias anatómicas mal visualizadas fueron descartadas y adquiridas nuevamente. Los ecografistas permanecieron ciegos respecto a la asignación del grupo (segundo estadio normal frente a prolongado) y a los datos clínicos durante la adquisición y medición de las imágenes. Los datos fueron ingresados por duplicado con verificación de rangos, y los valores fuera de rango desencadenaron una nueva revisión de las imágenes. Los datos faltantes (<5 %) se manejaron mediante un análisis de casos completos tras confirmar que los datos faltaban al azar (prueba de Little de ausencia completamente al azar, p > 0,05).
Registro y clasificación de la duración del parto
A lo largo del proceso de parto, se documentó cuidadosamente la evolución del parto de cada participante. La primera etapa del parto se definió como el período desde el inicio de las contracciones uterinas regulares hasta la dilatación cervical completa (10 cm). La fase activa del parto se definió como una dilatación cervical ≥4 cm acompañada de contracciones uterinas regulares e intensificadas. La segunda etapa del parto se definió como el período desde la dilatación cervical completa (10 cm) hasta la expulsión completa del feto. Se realizaron exámenes ecográficos durante la fase activa de la primera etapa del parto para evaluar la posición de la cabeza fetal, la posición fetal y los parámetros ecográficos relacionados. De acuerdo con las directrices de la Organización Mundial de la Salud (OMS), una segunda etapa del parto normal no debería exceder los 120 min2. Para mantener un umbral de investigación estandarizado para todas las primíparas en este estudio, las participantes se clasificaron según este criterio de 120 minutos en dos grupos: un grupo con segunda etapa normal (≤120 min) y un grupo con segunda etapa prolongada (>120 min).
Análisis estadístico
Todos los análisis estadísticos se realizaron utilizando SPSS versión 26.0 (RRID:SCR_002865) y R versión 4.1.0 (RRID:SCR_001905) (véase la Tabla de Materiales). Se utilizaron los siguientes paquetes de R: glmnet (versión 4.1-2) para la regresión mediante el operador de contracción y selección por mínimos absolutos (LASSO), rms (versión 6.2-0) para la construcción y calibración de nomogramas, pROC (versión 1.18.0) para el análisis de la curva característica de operación del receptor (ROC), y rmda (versión 1.6) para el análisis de curvas de decisión (DCA). La normalidad de las variables continuas se evaluó mediante la prueba de Shapiro–Wilk para orientar la elección de las estadísticas descriptivas y los métodos de comparación. Los datos con distribución normal se presentaron como media ± desviación estándar (x̄ ± s) y se compararon utilizando la prueba t para muestras independientes, que es robusta ante desviaciones leves de la normalidad cuando los tamaños muestrales son adecuados. Los datos sin distribución normal se presentaron como mediana con rango intercuartílico (M [P25, P75]) y se compararon mediante la prueba U de Mann–Whitney, que evalúa si una distribución tiende a tener valores mayores que la otra, en lugar de probar estrictamente diferencias en las medianas. Las variables categóricas se presentaron como frecuencias y porcentajes (n [%]) y se compararon utilizando la prueba de chi-cuadrado (χ2) o la prueba exacta de Fisher cuando la frecuencia esperada era <5. Todas las pruebas fueron bilaterales, y se consideró estadísticamente significativo un valor de p <0,05. Las variables con p <0,1 en el análisis univariado se incluyeron en la regresión LASSO para selección de variables. La regresión LASSO se realizó utilizando el paquete glmnet con validación cruzada de 10 pliegues para determinar el parámetro óptimo de regularización (λ). Se aplicó el criterio de un error estándar (el valor más alto de λ dentro de un error estándar del error mínimo de validación cruzada) para seleccionar el conjunto de predictores más parsimonioso con coeficientes distintos de cero. Antes del ajuste LASSO, todos los predictores continuos (edad materna, aumento de IMC gestacional, AOP, HSD, HPD y peso al nacer del recién nacido) se centraron y estandarizaron a puntuaciones z utilizando la configuración predeterminada de glmnet (standardize = TRUE), de modo que los coeficientes fueran penalizados por igual independientemente de las unidades de medida. Las variables seleccionadas se introdujeron posteriormente en un modelo de regresión logística multivariable (método de entrada) para calcular las razones de momios ajustadas (aOR) e intervalos de confianza del 95 % (IC). La significancia del modelo se evaluó mediante la prueba de razón de verosimilitud.
Basándose en los coeficientes de regresión logística, se construyó un modelo predictivo como Logit(P) = β0 + Σ(βiXi). Este modelo se visualizó como un nomograma utilizando el paquete rms, en el cual a cada predictor se le asignó un valor en puntos proporcional a su coeficiente de regresión, y los puntos totales se transformaron en probabilidades predichas. La discriminación se evaluó trazando la curva ROC y calculando el área bajo la curva (AUC) con su intervalo de confianza del 95 % mediante el paquete pROC (método de bootstrap con 1.000 remuestras). El valor umbral óptimo de probabilidad se determinó maximizando el índice de Youden (sensibilidad + especificidad − 1), reportándose la sensibilidad y especificidad correspondientes. La calibración se evaluó mediante una curva de calibración generada a partir de 1.000 remuestras bootstrap (paquete rms), complementada con la prueba de bondad de ajuste de Hosmer-Lemeshow (un valor p no significativo indica una buena calibración). La utilidad clínica se evaluó mediante el análisis de decisión clínica (DCA) con el paquete rmda, que calcula el beneficio neto a lo largo de un rango de probabilidades umbral (0 %–100 %). El beneficio neto se definió como (verdaderos positivos / n) − (falsos positivos / n) × (probabilidad umbral / [1 − probabilidad umbral]). El flujo general del estudio se describe anteriormente y se ilustra en la Figura Suplementaria 1. Este modelo es exploratorio; el predictor peso al nacer neonatal hace referencia al peso real medido tras el parto, y la predicción clínica requeriría un nuevo ajuste del modelo utilizando el peso fetal estimado (PFE) obtenido antes del parto.
Resultados
Población de estudio y asignación a grupos
Un total de 159 puérperas fueron incluidas en el análisis final. De estas, 95 presentaron una duración normal del segundo estadio, mientras que 64 experimentaron un segundo estadio prolongado (Tabla 1). En comparación con el grupo normal, el grupo prolongado tuvo incidencias significativamente mayores de sufrimiento fetal y puntuaciones bajas de Apgar (ambos p < 0,05). No se observó diferencia significativa en la mortalidad perinatal entre los grupos (p > 0,05).
| Variable | Todo (N = 159) | Segunda etapa normal (N = 95) | Segunda etapa prolongada (N = 64) | Valor p |
| Duración de la segunda etapa (min) | 109 [40,5; 172] | 88,4 [40,5; 125] | 139 [100; 172] | <0,0001 |
| Sufrimiento fetal | 0,0347 | |||
| Ausente | 124 (78,0%) | 80 (84,2%) | 44 (68,8%) | |
| Presente | 35 (22,0%) | 15 (15,8%) | 20 (31,2%) | |
| Puntuación de Apgar baja | 0,0001 | |||
| No | 79 (49,7%) | 60 (63,2%) | 19 (29,7%) | |
| Sí | 80 (50,3%) | 35 (36,8%) | 45 (70,3%) | |
| Mortalidad perinatal | 0,5653 | |||
| Ausente | 156 (98,1%) | 94 (98,9%) | 62 (96,9%) | |
| Presente | 3 (1,89%) | 1 (1,05%) | 2 (3,12%) |
Tabla 1: Efecto del trabajo de parto prolongado en la segunda etapa sobre los resultados clínicos neonatales. Las variables continuas se presentan como mediana [rango intercuartílico (RIC)], y las variables categóricas como número (%). El grupo con trabajo de parto normal en la segunda etapa incluyó participantes con una duración de la segunda etapa de ≤120 min, mientras que el grupo con trabajo de parto prolongado en la segunda etapa incluyó participantes con una duración de la segunda etapa de >120 min. Un puntaje bajo en Apariencia, Pulso, Reflejo, Actividad y Respiración (Apgar) se definió como un puntaje Apgar a 1 min <7. Los valores P representan comparaciones entre los grupos con trabajo de parto normal y prolongado en la segunda etapa.
Se presenta una comparación de las características demográficas y clínicas entre los dos grupos en la Tabla 2. Las puérperas con un segundo estadio prolongado tuvieron una edad materna mediana más alta y un mayor aumento de IMC gestacional que aquellas con un segundo estadio normal. Las frecuencias de diabetes gestacional, inercia uterina y estado mental alterado también fueron significativamente mayores en el grupo con segundo estadio prolongado (todas p < 0,05). No se observaron diferencias significativas entre los grupos en cuanto a hipertensión gestacional ni edad gestacional al momento del parto (ambas p > 0,05).
| Variable | Todo (N = 159) | Segunda etapa normal (N = 95) | Segunda etapa prolongada (N = 64) | Valor p |
| Edad (años) | 28.8 [19.4; 44.9] | 26.3 [19.4; 33.2] | 32.4 [22.3; 44.9] | <0.0001 |
| Aumento del IMC gestacional (kg/m²) | 11.4 ± 3.62 | 10.1 ± 3.33 | 13.3 ± 3.17 | <0.0001 |
| Diabetes gestacional | 0.0002 | |||
| Ausente | 141 (88.7%) | 92 (96.8%) | 49 (76.6%) | |
| Presente | 18 (11.3%) | 3 (3.16%) | 15 (23.4%) | |
| Hipertensión gestacional | 0.8723 | |||
| Ausente | 124 (78.0%) | 75 (78.9%) | 49 (76.6%) | |
| Presente | 35 (22.0%) | 20 (21.1%) | 15 (23.4%) | |
| Peso al nacer del recién nacido (kg) | 2.61 [1.68; 4.60] | 2.46 [1.68; 2.85] | 3.39 [1.71; 4.60] | <0.0001 |
| Estado mental | 0.0017 | |||
| Alterado | 139 (87.4%) | 90 (94.7%) | 49 (76.6%) | |
| Sano | 20 (12.6%) | 5 (5.26%) | 15 (23.4%) | |
| Inercia uterina | <0.0001 | |||
| Ausente | 123 (77.4%) | 85 (89.5%) | 38 (59.4%) | |
| Presente | 36 (22.6%) | 10 (10.5%) | 26 (40.6%) | |
| Edad gestacional (semanas) | 38.1 ± 2.02 | 38.1 ± 1.99 | 37.9 ± 2.06 | 0.5156 |
Tabla 2: Comparación de las características demográficas y clínicas entre los grupos. Las variables continuas se presentan como media ± desviación estándar (DE) o mediana [rango intercuartílico (RIC)], según corresponda. Las variables categóricas se presentan como número (%). El aumento del índice de masa corporal (IMC) se definió como la diferencia entre el IMC previo al embarazo y el IMC antes del parto. El grupo con trabajo de parto de segundo estadio normal incluyó a participantes con una duración del segundo estadio de ≤120 min, mientras que el grupo con trabajo de parto de segundo estadio prolongado incluyó a participantes con una duración del segundo estadio de >120 min. Los valores de P representan las comparaciones entre los dos grupos.
Parámetros clínicos y ecográficos en la primera fase activa
Se compararon los parámetros ecográficos transabdominales y transperineales de la primera fase entre los grupos con segunda fase normal y prolongada (Tabla 3). La proporción de posición fetal OA fue significativamente menor en el grupo prolongado que en el grupo normal. Además, el AOP, el HSD y el HPD fueron significativamente mayores en las pacientes que experimentaron una segunda fase prolongada (todos p < 0,05).
| Variable | Todo (N = 159) | Segunda etapa normal (N = 95) | Segunda etapa prolongada (N = 64) | Valor p |
| Posición fetal | <0.0001 | |||
| OA | 74 (46,5%) | 60 (63,2%) | 14 (21,9%) | |
| No 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 |
Tabla 3: Comparación de los parámetros de ultrasonido transabdominal y transperineal durante la primera etapa del parto. Las variables continuas se presentan como media ± desviación estándar (DE) o mediana [rango intercuartílico (RIC)], según corresponda. Las variables categóricas se presentan como número (%). OA, occipucio anterior; no OA, no occipucio anterior; AOP, ángulo de progresión; HSD, distancia entre la cabeza y la sínfisis; HPD, distancia entre la cabeza y el periné. El AOP se midió en grados (°), mientras que la HSD y la HPD se midieron en centímetros (cm). El grupo con segunda etapa del parto normal incluyó a participantes con una duración de la segunda etapa de ≤120 min, mientras que el grupo con segunda etapa del parto prolongada incluyó a participantes con una duración de la segunda etapa de >120 min. Los valores de P representan comparaciones entre los dos grupos.
Análisis univariado de posibles predictores
Se realizaron análisis univariados para identificar las variables asociadas con un trabajo de parto prolongado en la segunda etapa (Tabla 4). Diez variables difirieron significativamente entre los grupos normal y prolongado (p < 0,10): edad materna, aumento del IMC durante la gestación, diabetes gestacional, peso al nacer del recién nacido, estado mental, inercia uterina, posición fetal, AOP, HSD y HPD. No se observaron diferencias significativas entre grupos para hipertensión gestacional ni para edad gestacional (ambas p > 0,10). Las variables con p < 0,10 se introdujeron posteriormente en el modelo de regresión LASSO para la selección de variables.
| Variable | Todo (N = 159) | Segunda etapa normal (N = 95) | Segunda etapa prolongada (N = 64) | Estadístico | Valor p |
| Características demográficas y clínicas | |||||
| Edad (años) | 28.8 [19.4; 44.9] | 26.3 [19.4; 33.2] | 32.4 [22.3; 44.9] | Z = −5.891 | <0.001 |
| Aumento del IMC durante el embarazo (kg/m²) | 11.4 ± 3.62 | 10.1 ± 3.33 | 13.3 ± 3.17 | t = −5.912 | <0.001 |
| Diabetes gestacional, n (%) | 18 (11.3) | 3 (3.2) | 15 (23.4) | χ² = 15.207 | <0.001 |
| Hipertensión gestacional, n (%) | 35 (22.0) | 20 (21.1) | 15 (23.4) | χ² = 0.135 | 0.872 |
| Peso al nacer del recién nacido (kg) | 2.61 [1.68; 4.60] | 2.46 [1.68; 2.85] | 3.39 [1.71; 4.60] | Z = −6.234 | <0.001 |
| Alteración del estado mental, n (%) | 139 (87.4) | 90 (94.7) | 49 (76.6) | χ² = 10.912 | 0.001 |
| Inercia uterina, n (%) | 36 (22.6) | 10 (10.5) | 26 (40.6) | χ² = 20.156 | <0.001 |
| Edad gestacional (semanas) | 38.1 ± 2.02 | 38.1 ± 1.99 | 37.9 ± 2.06 | t = 0.654 | 0.516 |
| Parámetros ecográficos durante la primera etapa del parto | |||||
| Posición fetal (no OA), 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 |
Tabla 4: Análisis univariado de factores asociados con un trabajo de parto prolongado en la segunda etapa. Las variables continuas se presentan como media ± desviación estándar (DE) o mediana [rango intercuartílico (RIC)], según corresponda. Las variables categóricas se presentan como número (%). IMC, índice de masa corporal; OA, occipucio anterior; no-OA, no occipucio anterior; AOP, ángulo de progresión; HSD, distancia cabeza-símisis; HPD, distancia cabeza-periné. Las variables continuas con distribución normal se compararon mediante la prueba t de muestras independientes, las variables continuas sin distribución normal se compararon mediante la prueba de Mann-Whitney U (reportada como el estadístico Z), y las variables categóricas se compararon mediante la prueba de chi-cuadrado (χ2). Se consideró que las variables con P <0,10 eran elegibles para su inclusión en el análisis de regresión mediante el operador de contracción y selección por mínimos absolutos (LASSO).
Selección de variables mediante regresión por el operador de contracción y selección por la norma absoluta mínima
Para construir un modelo predictivo parsimonioso reduciendo al mismo tiempo el riesgo de sobreajuste y la influencia de la multicolinealidad, los 10 predictores candidatos identificados mediante el análisis univariado (p < 0,10; Tabla 4) se introdujeron en el modelo de regresión LASSO para la selección de variables. El parámetro óptimo de regularización (λ) se determinó mediante validación cruzada de 10 particiones. La gráfica del camino de los coeficientes (Figura 2A) ilustra la contracción progresiva de los coeficientes de regresión hacia cero a medida que aumenta λ. La curva correspondiente de validación cruzada (Figura 2B) muestra la relación entre el error de validación cruzada y los diferentes valores de λ. La línea vertical discontinua izquierda indica el valor de λ que minimizó el error de validación cruzada, mientras que la línea vertical discontinua derecha indica el valor más alto de λ dentro de un error estándar del mínimo (criterio del error estándar único). Se seleccionó este último criterio para obtener un modelo más parsimonioso. Aplicando el criterio del error estándar único, se conservaron cuatro predictores con coeficientes distintos de cero: el peso al nacer del recién nacido (coeficiente = 0,50), el aumento de IMC durante la gestación (coeficiente = 0,12), la edad materna (coeficiente = 0,05) y el AOP (coeficiente = 0,03). Estos coeficientes representan los coeficientes penalizados estandarizados del modelo LASSO final en el valor de λ seleccionado. Las variables candidatas restantes—HSD, HPD, diabetes gestacional, estado mental, inercia uterina y posición fetal—tuvieron coeficientes reducidos a cero y, por lo tanto, se excluyeron del conjunto final de predictores. Las variables conservadas se introdujeron posteriormente en el modelo de regresión logística multivariable para estimar las OR ajustadas con sus intervalos de confianza del 95 % correspondientes.
Figura 2. Análisis de regresión mediante el operador de contracción y selección por mínimos absolutos (LASSO) para la selección de predictores. (A) Trayectorias de los coeficientes generadas durante la regresión LASSO. El eje x representa el logaritmo del parámetro de regularización (log λ), y el eje y representa los coeficientes de regresión estandarizados. Cada curva ilustra la contracción progresiva del coeficiente de un predictor individual hacia cero a medida que aumenta la penalización de regularización. Los números mostrados en la parte superior indican la cantidad de variables conservadas en cada valor de λ. Las trayectorias numeradas de los coeficientes corresponden a los siguientes predictores candidatos: (1) edad materna, (2) aumento del índice de masa corporal (IMC) durante la gestación, (3) diabetes gestacional, (4) peso al nacer del recién nacido, (5) estado mental, (6) inercia uterina, (7) posición fetal, (8) ángulo de progresión (AOP), (9) distancia céfalo-símisis (HSD) y (10) distancia céfalo-perineal (HPD). (B) Gráfico de validación cruzada de diez pliegues utilizado para determinar el parámetro de regularización óptimo. El eje x representa log(λ), y el eje y representa la desviación binomial. Los puntos indican el error medio de validación cruzada, y las barras de error representan ±1 error estándar. La línea vertical discontinua izquierda indica el valor de λ que minimiza el error de validación cruzada, mientras que la línea vertical discontinua derecha indica el valor más alto de λ dentro de un error estándar del mínimo (criterio del error estándar único). Haga clic aquí para ver una versión más grande de esta figura.
Regresión logística multivariable y predictores independientes
Los cuatro predictores conservados por el modelo de regresión LASSO—edad materna, aumento de IMC durante el embarazo, peso al nacer del recién nacido y AOP—se introdujeron en un modelo de regresión logística multivariable (Tabla 5). Las cuatro variables permanecieron independientemente asociadas con un trabajo de parto prolongado en la segunda etapa tras el ajuste mutuo (todas las p < 0,05). En el modelo de regresión logística multivariable reajustado, el peso al nacer del recién nacido presentó la mayor OR ajustada (aOR = 8,45, IC del 95 %: 3,21–22,24). El aumento del IMC durante el embarazo también se asoció independientemente con un trabajo de parto prolongado en la segunda etapa (aOR = 1,38, IC del 95 %: 1,15–1,66). La edad materna (aOR = 1,18, IC del 95 %: 1,05–1,32) y el AOP (aOR = 1,07, IC del 95 %: 1,02–1,12) también mostraron asociación independiente con un trabajo de parto prolongado en la segunda etapa. El modelo de regresión logística multivariable fue estadísticamente significativo según la prueba de razón de verosimilitud (p < 0,001). Dado que el peso al nacer del recién nacido se midió tras el parto, el modelo actual es exploratorio y requeriría un nuevo ajuste utilizando el peso fetal estimado antes de su aplicación clínica.
| Variable | β | EE | Wald χ² | Valor p | ORa | IC 95% |
| Intercepto | −15.92 | 3.01 | 27.98 | <0.001 | — | — |
| Edad materna (años) | 0.16 | 0.06 | 7.11 | 0.008 | 1.18 | 1.05–1.32 |
| Aumento gestacional del IMC (kg/m²) | 0.32 | 0.09 | 12.65 | <0.001 | 1.38 | 1.15–1.66 |
| Peso al nacer del recién nacido (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 |
Tabla 5: Análisis de regresión logística multivariable que identifica predictores independientes de un segundo estadio del parto prolongado. La tabla presenta los resultados del modelo de regresión logística multivariable construido utilizando variables seleccionadas mediante regresión por operador de contracción y selección absoluta mínima (LASSO). β, coeficiente de regresión; SE, error estándar; χ2 de Wald, estadístico chi-cuadrado de Wald; aOR, razón de momios ajustada; CI, intervalo de confianza; BMI, índice de masa corporal; AOP, ángulo de progresión. La intersección representa la constante del modelo. La significancia general del modelo se evaluó mediante la prueba de razón de verosimilitud (χ2 = 85,34, P <0,001).
Construcción del Modelo Predictivo y Nomograma
Con base en los predictores independientes y sus coeficientes de regresión identificados mediante el análisis de regresión logística multivariable (Tabla 5), se construyó un modelo predictivo específico para cada paciente con el fin de estimar la probabilidad de un parto prolongado en la segunda etapa en primíparas. El modelo se expresa de la siguiente manera:
Logit(P) = —15.92 + 0.16 (edad materna) + 0.32 (aumento gestacional del IMC) + 4.26 (peso al nacer del recién nacido) + 0.07(AOP)
Aquí, P representa la probabilidad predicha de un trabajo de parto prolongado en la segunda etapa.
Para facilitar la visualización del modelo, la ecuación de regresión se presentó como un nomograma (Figura 3). Cada predictor corresponde a una escala individual de puntos. Por ejemplo, una parturienta con una edad materna de 28 años, un aumento gestacional del IMC de 12 kg/m2, un peso al nacer del neonato (peso al nacer real medido tras el parto) de 3,6 kg y un AOP de 115° puede puntuarse localizando cada valor en su eje correspondiente, proyectando verticalmente hacia el eje de Puntos, sumando los valores puntuales individuales para obtener los Puntos Totales, y proyectando la puntuación total hacia abajo hasta el eje de Riesgo de Segunda Etapa Prolongada para estimar la probabilidad predicha. Este nomograma se presenta únicamente con fines ilustrativos, ya que incorpora el peso real al nacer del neonato. Para su aplicación clínica sería necesario reajustar el modelo utilizando el peso fetal estimado.
Figura 3. Nomograma para predecir la probabilidad de un trabajo de parto prolongado en la segunda etapa. El nomograma se construyó a partir del modelo de regresión logística multivariable utilizando cuatro predictores: edad materna, aumento del IMC gestacional, peso al nacer del recién nacido (peso real medido tras el parto) y AOP. Para estimar la probabilidad predicha de un trabajo de parto prolongado en la segunda etapa, localice cada valor del predictor en su eje correspondiente y proyecte verticalmente hasta el eje de Puntos para determinar la puntuación asignada. Sume las puntuaciones individuales para obtener los Puntos Totales, y luego proyecte la puntuación total hasta el eje de Riesgo para estimar la probabilidad predicha de un trabajo de parto prolongado en la segunda etapa. El nomograma se presenta únicamente con fines ilustrativos, ya que incluye el peso real al nacer del recién nacido, que no está disponible antes del parto. La aplicación clínica requeriría reajustar el modelo utilizando el peso fetal estimado (EFW). Haga clic aquí para ver una versión más grande de esta figura.
Validación del modelo: discriminación, calibración y utilidad clínica
El desempeño predictivo del modelo se evaluó internamente con respecto a la discriminación, la calibración y la utilidad clínica. La discriminación del modelo se evaluó mediante la curva ROC (Figura 4). El modelo alcanzó un AUC de 0,927 (IC 95 %: 0,879–0,961), lo que indica una excelente discriminación. Utilizando el índice de Youden máximo, el punto de corte de probabilidad óptimo fue de 0,48. En este umbral, el modelo mostró una sensibilidad del 85,9 % y una especificidad del 84,2 % (Tabla 6).
Figura 4. Curva característica de operación del receptor (ROC) que evalúa el desempeño del modelo predictivo. La curva característica de operación del receptor (ROC) demuestra la capacidad del modelo predictivo para discriminar entre un trabajo de parto de segundo estadio normal y prolongado. La curva azul representa el modelo predictivo, con un área bajo la curva (AUC) de 0,927 (intervalo de confianza del 95% [IC]: 0,879–0,961). El punto de corte de probabilidad óptimo fue de 0,48, lo que corresponde a una sensibilidad del 85,9 % y una especificidad del 84,2 %. La línea diagonal gris punteada representa una clasificación aleatoria (AUC = 0,500). El eje x representa 1 − especificidad (tasa de falsos positivos [FPR]), y el eje y representa la sensibilidad (tasa de verdaderos positivos [TPR]). Haga clic aquí para ver una versión más grande de esta figura.
| Parámetro | Valor | IC del 95% |
| AUC | 0.927 | 0.879–0.961 |
| Punto de corte óptimo | 0.480 | — |
| Sensibilidad | 85.90% | 75.0%–93.4% |
| Especificidad | 84.20% | 75.3%–90.9% |
| Valor predictivo positivo | 78.60% | 67.5%–87.3% |
| Valor predictivo negativo | 89.80% | 81.9%–95.0% |
| Precisión | 84.90% | 78.3%–90.1% |
Tabla 6: Rendimiento del modelo predictivo en el punto de corte óptimo de probabilidad. El rendimiento predictivo del modelo de regresión logística multivariable se evaluó utilizando el área bajo la curva característica de operación del receptor (ROC) (AUC). El punto de corte óptimo de probabilidad de 0,48 se determinó maximizando el índice de Youden. La sensibilidad representa la proporción de casos verdaderamente positivos identificados correctamente, la especificidad representa la proporción de casos verdaderamente negativos identificados correctamente, el valor predictivo positivo (VPP) representa la probabilidad de que los participantes clasificados como positivos realmente tuvieran un trabajo de parto prolongado en la segunda etapa, y el valor predictivo negativo (VPN) representa la probabilidad de que los participantes clasificados como negativos realmente no tuvieran un trabajo de parto prolongado en la segunda etapa. IC, intervalo de confianza.
La calibración del modelo se evaluó mediante una curva de calibración bootstrap generada a partir de 1.000 remuestras junto con la prueba de bondad de ajuste de Hosmer-Lemeshow (Figura 5A). La curva de calibración siguió de cerca la línea de referencia ideal, lo que indica una buena concordancia entre las probabilidades predichas y observadas. La prueba de bondad de ajuste de Hosmer-Lemeshow no fue estadísticamente significativa (χ2 = 6,15, p = 0,630), lo cual es consistente con una calibración adecuada en este modelo validado internamente. La utilidad clínica se evaluó mediante el análisis de decisión por curva (DCA) (Figura 5B). Dentro del rango de probabilidad umbral de aproximadamente del 10 % al 70 %, el modelo predictivo proporcionó un beneficio neto mayor que las estrategias de tratar a todos o no tratar a nadie. En probabilidades umbral por debajo de aproximadamente el 10 %, la estrategia de no tratar a nadie proporcionó un beneficio neto mayor, mientras que en probabilidades umbral por encima de aproximadamente el 70 %, la estrategia de tratar a todos tuvo un desempeño similar o mejor. Estos hallazgos indican que el modelo podría proporcionar beneficio clínico dentro de un rango intermedio de probabilidades umbral. En general, el modelo predictivo demostró una excelente discriminación, una calibración adecuada y una utilidad clínica favorable durante la validación interna. Sin embargo, dado que la validación se limitó al conjunto de datos del estudio y el modelo incorporó el peso real al nacer del recién nacido, se requiere una validación externa y un reajuste utilizando el peso fetal estimado antes de su implementación clínica.
Figura 5. Análisis de calibración y de curva de decisión del modelo predictivo. (A) Curva de calibración del modelo predictivo generada utilizando 1.000 remuestras bootstrap. La curva aparente representa el rendimiento del modelo en el conjunto de datos del estudio, la curva corregida por sesgo representa la calibración ajustada mediante bootstrap, y la línea diagonal punteada indica el acuerdo ideal entre las probabilidades predichas y observadas. La prueba de bondad de ajuste de Hosmer-Lemeshow arrojó χ2 = 6,15 y p = 0,630. (B) Análisis de curva de decisión (DCA) para evaluar la utilidad clínica del modelo predictivo en un rango de probabilidades umbral. La curva verde representa el modelo predictivo, la línea naranja representa la estrategia de tratar a todos y la línea azul representa la estrategia de no tratar a ninguno. La región sombreada indica el rango de probabilidad umbral de 10 % a 70 % evaluado en este estudio, con líneas verticales punteadas que marcan los umbrales inferior (10 %) y superior (70 %). El eje x representa la probabilidad umbral y el eje y representa el beneficio neto. Haga clic aquí para ver una versión más grande de esta figura.
Disponibilidad de datos:
El conjunto de datos a nivel de participantes desidentificados que respalda los hallazgos de este estudio se proporciona en la Tabla Suplementaria 1. Este conjunto de datos contiene los datos brutos utilizados para todos los análisis estadísticos, el desarrollo del modelo, la validación interna y la elaboración de las tablas y figuras informadas.
Figura suplementaria 1. Flujo general del estudio para el desarrollo y validación interna del modelo predictivo. El flujo ilustra la reclutación de participantes y la evaluación de elegibilidad, la obtención de características clínicas maternas y mediciones ecográficas intraparto durante la fase activa del primer estadio del parto, la clasificación en grupos de segundo estadio del parto normal y prolongado según el criterio de 120 minutos de la Organización Mundial de la Salud (OMS), la selección de predictores mediante regresión con operador de contracción y selección por mínimos absolutos (LASSO), la construcción del modelo de regresión logística multivariable y del nomograma, y la evaluación interna del modelo mediante análisis de la curva característica de operación del receptor (ROC), análisis de calibración y análisis de curva de decisión (ACD). Haga clic aquí para descargar este archivo.
Tabla suplementaria 1. Conjunto de datos a nivel de participante utilizado para el desarrollo del modelo y la validación interna. Esta tabla contiene los datos anonimizados a nivel de participante utilizados para todos los análisis estadísticos, incluyendo el desarrollo y la validación interna del modelo predictivo. Las variables incluyen el resultado del segundo estadio del parto, la duración del segundo estadio, los resultados neonatales, las características demográficas y clínicas maternas, y las mediciones ecográficas transabdominales y transperineales obtenidas durante el primer estadio del parto. Índice de masa corporal (IMC) = índice de masa corporal; occipucio anterior (OA) = posición fetal con occipucio anterior; ángulo de progresión (AOP) = ángulo de progresión; distancia cabeza-sínfisis (HSD) = distancia cabeza-sínfisis; y distancia cabeza-periné (HPD) = distancia cabeza-periné. Haga clic aquí para descargar este archivo.
Discusión
Con mejoras continuas en el manejo obstétrico, el trabajo de parto prolongado en la segunda etapa se ha convertido en un factor cada vez más importante que afecta los resultados maternos y neonatales. Estudios previos han demostrado que el trabajo de parto prolongado en la segunda etapa se asocia con una mayor complejidad del parto, tasas más altas de cesárea y puntuaciones neonatales más bajas en la escala de Apgar1,2. Estos hallazgos destacan la importancia clínica de optimizar el manejo perinatal y de implementar estrategias para la identificación temprana de mujeres con mayor riesgo de trabajo de parto prolongado en la segunda etapa. Mediante el uso de características demográficas, características clínicas y parámetros ecográficos, este estudio desarrolló y validó internamente un modelo predictivo para el trabajo de parto prolongado en la segunda etapa, y evaluó su posible utilidad clínica. Los resultados demostraron que la edad materna, el aumento del IMC durante la gestación, el peso al nacer del neonato y el AOP se asociaron de forma independiente con el trabajo de parto prolongado en la segunda etapa en el modelo multivariable final, mientras que la diabetes gestacional, la inercia uterina y el estado mental alterado se asociaron con el trabajo de parto prolongado en la segunda etapa en el análisis univariado, pero no se mantuvieron en el modelo predictivo final. Al integrar datos demográficos, clínicos y ecográficos en un modelo predictivo multidimensional, este estudio proporciona un marco objetivo para identificar a mujeres con mayor riesgo de trabajo de parto prolongado en la segunda etapa durante la primera etapa del parto. Esta estratificación temprana del riesgo podría facilitar un manejo intraparto individualizado, que incluya un monitoreo más estrecho del progreso del parto y una toma oportuna de decisiones clínicas, con el objetivo de mejorar los resultados maternos y neonatales.
Nuestros hallazgos indicaron que el segundo estadio del parto prolongado se asoció fuertemente con resultados fetales desfavorables. En consonancia con informes previos, el segundo estadio del parto prolongado aumentó significativamente el riesgo de puntuaciones bajas de Apgar y de sufrimiento fetal3,8. Desde un punto de vista mecanicista, esta asociación podría atribuirse a la hipoxia fetal y al aumento del estrés intrauterino durante un parto prolongado. Cuando la cabeza fetal permanece comprimida dentro de la pelvis materna durante un período prolongado, la perfusión placentaria puede volverse inadecuada, lo que resulta en privación de oxígeno y patrones anormales de la frecuencia cardíaca fetal que podrían comprometer el estado neonatal inmediato9. Desde una perspectiva demográfica, este estudio mostró que la edad materna avanzada, el mayor aumento del índice de masa corporal (IMC) durante la gestación y la diabetes gestacional se asociaron con el segundo estadio del parto prolongado. En particular, las madres de mayor edad presentaron un riesgo más alto de parto prolongado, lo cual concuerda con investigaciones previas10. Fisiológicamente, el avance de la edad materna podría afectar la maduración cervical y la contractilidad uterina, retrasando así la progresión del parto. El mayor aumento del IMC gestacional y la diabetes gestacional podrían influir adicionalmente en la progresión del parto al incrementar el tamaño fetal y alterar los patrones de contracción uterina. Además, la inercia uterina y el estado mental alterado se asociaron significativamente con el segundo estadio del parto prolongado en el análisis univariado. Estos hallazgos subrayan la importancia de monitorear cuidadosamente la contractilidad uterina y el bienestar psicológico materno durante el parto, ya que ambos factores podrían contribuir indirectamente al parto prolongado al influir en el ritmo y la intensidad de las contracciones uterinas. Los parámetros ecográficos también desempeñan un papel importante en la predicción del segundo estadio del parto prolongado11,12,13,14. En el presente estudio, el análisis de regresión logística multivariable identificó el AOP como un predictor independiente del segundo estadio del parto prolongado (p < 0,05). El HSD y el HPD se asociaron significativamente con el segundo estadio del parto prolongado en el análisis univariado, pero no se mantuvieron en el modelo predictivo final tras la selección de variables mediante LASSO. Un aumento del HSD indica que la cabeza fetal permanece en una estación más alta dentro de la entrada pélvica, lo que sugiere un descenso deficiente y una mayor probabilidad de segundo estadio del parto prolongado15,16,17. El AOP refleja tanto el descenso como la rotación de la cabeza fetal y, por lo tanto, tiene una relación directa con la progresión del parto6,18. Aunque la posición fetal determinada mediante ecografía transabdominal no se mantuvo en el modelo predictivo final, la ecografía transabdominal sigue siendo clínicamente útil para identificar posiciones fetales anómalas (por ejemplo, posiciones occipito posteriores o transversas) que podrían requerir una evaluación intraparto más detallada. En conjunto, estos hallazgos sugieren que la ecografía intraparto proporciona información objetiva sobre la posición fetal y el descenso de la cabeza que podría ayudar en la evaluación temprana de mujeres con mayor riesgo de segundo estadio del parto prolongado. Al integrar las características demográficas con los parámetros ecográficos, este estudio desarrolló un modelo predictivo internamente validado. La regresión LASSO identificó cuatro variables con coeficientes distintos de cero: edad materna, aumento del IMC gestacional, peso al nacer del recién nacido y AOP, que posteriormente se incluyeron en el modelo de regresión logística multivariable para la estimación de tamaños de efecto ajustados. Utilizando el criterio de un error estándar para la selección del modelo, este alcanzó un AUC de 0,927 durante la validación interna, lo que indica un excelente desempeño discriminatorio. Sin embargo, dado que el modelo incorporó el peso real al nacer del recién nacido medido tras el parto, debe considerarse exploratorio e ilustrativo, y no directamente aplicable en la práctica clínica. La futura implementación clínica requeriría un reajuste del modelo utilizando el peso fetal estimado junto con una validación externa independiente. Dentro de estas limitaciones, la integración de características demográficas y parámetros ecográficos podría facilitar una estratificación temprana del riesgo y apoyar un manejo intraparto individualizado19,20,21,22.
En comparación con investigaciones previas, el presente estudio tiene varias fortalezas importantes. En primer lugar, la integración de características demográficas, variables clínicas y parámetros ecográficos permitió una evaluación multidimensional de los factores asociados con el trabajo de parto prolongado en la segunda etapa. En segundo lugar, se utilizó la regresión LASSO para la selección de variables y la reducción de coeficientes, lo cual puede ayudar a manejar la multicolinealidad y mejorar la estabilidad del modelo cuando existen predictores correlacionados. En tercer lugar, el tamaño de la muestra proporcionó suficiente potencia estadística para el desarrollo del modelo y su validación interna. A pesar de estas fortalezas, deben reconocerse varias limitaciones. Primero, este fue un estudio prospectivo de un solo centro, y solo se incluyeron mujeres que finalmente lograron un parto vaginal. En consecuencia, se excluyeron las mujeres que se sometieron a parto vaginal instrumental o cesárea durante la segunda etapa, lo que introduce un sesgo de selección y limita la generalización de los hallazgos. Además, la definición del resultado no consideró el parto instrumental como un resultado competitivo en mujeres con trabajo de parto prolongado. Por lo tanto, se requiere una validación externa en cohortes prospectivas multicéntricas e independientes antes de su aplicación clínica. Segundo, todas las evaluaciones del rendimiento del modelo, incluyendo el análisis ROC, la calibración y el DCA, se basaron en la validación interna utilizando la misma población de estudio, y no se contó con una cohorte de validación externa independiente. Tercero, aunque se registró el uso de analgesia epidural, la estimulación con oxitocina y la rotura artificial de membranas, estas variables no se incorporaron al modelo predictivo final. Otros factores potencialmente importantes, como las características de las contracciones uterinas, las estrategias de manejo del trabajo de parto y las puntuaciones de dolor materno, también podrían influir en la progresión del parto y deberían evaluarse en estudios futuros. Cuarto, algunas mediciones ecográficas siguen siendo dependientes del operador a pesar de la capacitación estandarizada y la alta reproducibilidad interobservador, y solo se analizó una evaluación única obtenida durante la fase activa de la primera etapa del trabajo de parto. Dado que el parto es un proceso dinámico, promediar tres mediciones obtenidas durante contracciones separadas podría reducir el error aleatorio de medición, pero también podría ocultar cambios rápidos en el descenso fetal. Estudios futuros que incorporen evaluaciones ecográficas seriadas con marca de tiempo, como los cambios en el AOP a lo largo del tiempo, podrían mejorar el rendimiento predictivo23,24. Finalmente, el modelo predictivo se desarrolló utilizando el peso neonatal real medido después del parto para establecer la asociación fisiológica con el trabajo de parto prolongado en la segunda etapa. Por lo tanto, el modelo debe considerarse exploratorio y no es directamente aplicable para la predicción clínica intraparto. La implementación clínica requeriría el rediseño y la validación externa del modelo utilizando el peso fetal estimado obtenido antes del parto, en lugar de una simple sustitución en la ecuación actual. Dado que el peso fetal estimado está sujeto a errores inherentes de medición (típicamente ±10 %–15 %), los coeficientes del modelo y su rendimiento deberían volver a estimarse en una cohorte independiente antes de su uso clínico. Además, en este estudio, la inercia uterina se definió según la frecuencia y duración observadas de las contracciones, y no según los criterios diagnósticos de detención del trabajo de parto recomendados por ACOG o NICE, lo que podría limitar la comparación directa con otros estudios. Finalmente, el uso de un umbral fijo de 120 minutos para definir el trabajo de parto prolongado en la segunda etapa, sin considerar las duraciones más largas que podrían ser aceptables en mujeres que reciben analgesia epidural, podría limitar aún más la generalización del modelo.
La investigación futura debería explorar enfoques alternativos para investigar la hipótesis examinada en este estudio. En primer lugar, mientras que este estudio utilizó una única evaluación ecográfica al inicio de la fase activa del parto, mediciones seriadas (por ejemplo, cambios en el AOP o en la distancia de progresión cefálica a lo largo del tiempo) podrían captar mejor el proceso dinámico del descenso fetal y podrían mejorar el rendimiento predictivo, como lo sugieren estudios recientes23,24. En segundo lugar, aunque la combinación de regresión LASSO y regresión logística multivariable produjo un modelo parsimonioso e interpretable, otros enfoques de aprendizaje automático, incluyendo bosques aleatorios, máquinas de vectores de soporte y potenciación del gradiente, podrían captar mejor las relaciones no lineales y las interacciones complejas entre los predictores, aunque posiblemente a expensas de la interpretabilidad. En tercer lugar, debido a que las definiciones de parto prolongado en la segunda etapa varían entre las guías clínicas, incluyendo umbrales más largos para mujeres que reciben analgesia epidural, se debería investigar la recalibración del modelo para definiciones alternativas del resultado. En cuarto lugar, los modelos futuros deberían desarrollarse utilizando el peso fetal estimado en lugar del peso real al nacer, y métodos ecográficos alternativos para estimar el peso fetal, incluyendo técnicas de ultrasonido tridimensional, podrían ayudar a reducir el error de medición. Finalmente, la incorporación de datos continuos de monitorización intraparto, como la intensidad de las contracciones uterinas o el análisis automatizado de la cardiotocografía, podría mejorar aún más la estratificación del riesgo. La evaluación comparativa de estos enfoques podría ayudar a identificar la estrategia óptima para predecir el parto prolongado en la segunda etapa.
Una limitación adicional de este estudio es que solo se incluyeron mujeres que lograron un parto vaginal exitoso para garantizar una medición precisa de la duración del segundo estadio. En consecuencia, se excluyeron las mujeres que se sometieron a un parto vaginal instrumental o a una cesárea tras un segundo estadio prolongado, aunque cumplían con la definición del estudio de trabajo de parto prolongado. Este criterio de selección podría haber subestimado la incidencia real de trabajo de parto prolongado en el segundo estadio e introducido un sesgo en la determinación del resultado. Además, el parto instrumental antes de la finalización del segundo estadio representa un resultado competitivo y no simplemente un evento nulo, por lo que no se incorporó al modelo predictivo. Por consiguiente, el modelo actual estima la probabilidad de un segundo estadio prolongado únicamente entre mujeres que finalmente logran un parto vaginal, y no debe utilizarse para predecir la necesidad de un parto instrumental. Será necesario realizar una validación externa en poblaciones obstétricas más amplias y no seleccionadas, que incluyan partos instrumentales, para determinar la generalizabilidad y la aplicabilidad clínica del modelo. La asociación observada entre el trabajo de parto prolongado en el segundo estadio y resultados adversos, incluyendo sufrimiento fetal y puntuaciones bajas de Apgar, incluso dentro de una cohorte limitada a mujeres que lograron un parto vaginal, subraya la importancia de la evaluación temprana del riesgo. La alta tasa de parto vaginal en esta cohorte refleja los criterios de inclusión del estudio y no debe interpretarse como una indicación de que la intervención instrumental no fuera necesaria en la práctica clínica habitual.
El modelo predictivo tiene varias aplicaciones potenciales. Tras su redesarrollo utilizando el peso fetal estimado y su validación externa independiente, podría integrarse en los sistemas de historias clínicas electrónicas para estimar el riesgo individual de un parto prolongado en la segunda etapa durante la primera etapa activa, facilitando la identificación en tiempo real de mujeres con mayor riesgo. Utilizando el punto de corte de probabilidad óptimo identificado en este estudio (0,48), el modelo podría ayudar a apoyar la gestión individualizada durante el parto, incluyendo una vigilancia materna y fetal más estrecha y una toma de decisiones clínicas oportuna. Además, el modelo podría facilitar la estratificación de riesgos en futuros estudios de intervención que evalúen estrategias de manejo del parto, protocolos de anestesia epidural o estimulación uterina, al permitir una asignación más equilibrada del riesgo basal. Dado que las variables de entrada requeridas se recopilan rutinariamente durante la atención clínica, el modelo también podría proporcionar un marco práctico para futuras validaciones externas y su adaptación a otras poblaciones obstétricas, incluyendo mujeres multíparas y mujeres sometidas a inducción del parto. En resumen, la integración de parámetros ecográficos transabdominales y transperineales de la primera etapa con características demográficas y clínicas maternas permitió el desarrollo de un modelo predictivo validado internamente para el parto prolongado en la segunda etapa. La evaluación multidimensional demostró que la edad materna, el aumento del IMC gestacional, el peso al nacer del neonato y el AOP se asociaron de forma independiente con el parto prolongado en la segunda etapa, y mostró que el modelo logró una excelente discriminación con buena calibración durante la validación interna. Aunque estos hallazgos respaldan el valor potencial de este enfoque para la evaluación temprana del riesgo durante el parto, el modelo debe considerarse exploratorio porque incorpora el peso real al nacer del neonato y solo ha sido validado internamente. Antes de su implementación clínica, el modelo debe rediseñarse utilizando el peso fetal estimado y validarse externamente en cohortes independientes y multicéntricas. Futuros estudios también deberían investigar la inclusión de predictores adicionales, incluyendo características de las contracciones uterinas, variables de manejo del dolor e intervenciones durante el parto, con el fin de desarrollar un modelo predictivo más completo y generalizable para el manejo individualizado del parto.
Divulgaciones
Conflicto de intereses:
Los autores declaran no tener intereses financieros ni no financieros en conflicto relacionados con este trabajo.
Agradecimientos
Los autores agradecen al personal de enfermería y médico del Departamento de Obstetricia del Hospital de Salud Materno-Infantil de Yuyao (Segundo Hospital Popular de Yuyao) por su ayuda en la reclutación de participantes y la recopilación de datos. Este trabajo fue apoyado por el Programa Municipal de Ciencia y Tecnología en Salud de Yuyao 2024 (Número de subvención: 2024YYB03).
Materiales
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Sistema portátil de ultrasonido diagnóstico | Mindray | CAU-01040644 | Sistema portátil de ultrasonido diagnóstico utilizado para imágenes transabdominales y transperineales; véase el Protocolo para configuraciones de imagen |
| Transductor de ultrasonido convexo (2–5 MHz) | Mindray | C5-2 | Utilizado para imágenes de ultrasonido transabdominal |
| Transductor de ultrasonido lineal de alta frecuencia o convexo de pequeño tamaño (5–8 MHz) | Mindray | 75L38EA | Utilizado para imágenes de ultrasonido transperineal |
| Software R | Foundation for Statistical Computing | Version 4.1.0 | Software para computación estadística (RRID:SCR_001905) |
| Software SPSS | IBM Corp. | Version 26.0 | Software para análisis estadístico (RRID:SCR_002865) |
| Escala de Autoevaluación de Ansiedad | Cuestionario publicado (Escala de Autoevaluación de Ansiedad de Zung) | No aplicable | Cuestionario de evaluación de ansiedad utilizado al momento del ingreso |
Referencias
- 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.