Modelos predictivos para el parto vaginal post cesrea
Predictive models for post-cesarean vaginal delivery
Modelos preditivos para parto vaginal ps-cesrea
Correspondencia: acocheres1@utmachala.edu.ec
Ciencias de la Salud
Artculo de Investigacin
* Recibido: 13 de mayo de 2025 *Aceptado: 21 de junio de 2025 * Publicado: 02 de julio de 2025
I. Universidad Tcnica de Machala, Machala, Ecuador.
II. Universidad Tcnica de Machala, Machala, Ecuador.
III. Universidad Tcnica de Machala, Machala, Ecuador.
Resumen
El parto vaginal post cesrea es una alternativa viable para mujeres con antecedentes de cesrea, siempre que cumplan criterios mdicos especficos. Este procedimiento contribuye a reducir cesreas innecesarias y sus potenciales complicaciones, promoviendo un enfoque ms humanizado en la atencin obsttrica. En este contexto, los modelos predictivos permiten estimar la probabilidad de xito de un parto vaginal post cesrea, facilitando la toma de decisiones clnicas informadas. El presente estudio realiz una revisin sistemtica de artculos publicados entre 2020 y 2024 en bases de datos como PubMed, SciELO, Cochrane y Google Scholar. Se analizaron distintos modelos predictivos, entre ellos los de Grobman, Kalok, Flamm, Hua Li, Pinkey e Hikaru Ooba, considerando variables maternas y obsttricas. Se identific que el modelo de Grobman es el ms utilizado debido a su simplicidad y aplicabilidad en diversos entornos, aunque el modelo de Hua Li mostr una mayor precisin y complejidad. En Ecuador, no existe un modelo estandarizado para predecir el xito del parto vaginal post cesrea, lo que resalta la necesidad de su implementacin para optimizar la seguridad materno-neonatal y reducir la tasa de cesreas innecesarias.
Palabras clave: parto vaginal; cesrea; modelos predictivos; salud materna; salud neonatal.
Abstract
Vaginal birth post-cesarean is a viable alternative for women with a history of cesarean delivery, provided they meet specific medical criteria. This procedure contributes to reducing unnecessary cesarean sections and their potential complications, promoting a more humane approach to obstetric care. In this context, predictive models allow estimating the probability of success of a vaginal birth post-cesarean, facilitating informed clinical decision-making. This study conducted a systematic review of articles published between 2020 and 2024 in databases such as PubMed, SciELO, Cochrane, and Google Scholar. Various predictive models were analyzed, including those of Grobman, Kalok, Flamm, Hua Li, Pinkey, and Hikaru Ooba, considering maternal and obstetric variables. The Grobman model was identified as the most widely used due to its simplicity and applicability in diverse settings, although the Hua Li model showed greater accuracy and complexity. In Ecuador, there is no standardized model for predicting the success of vaginal birth after cesarean section, highlighting the need for its implementation to optimize maternal and neonatal safety and reduce the rate of unnecessary cesarean sections.
Keywords: vaginal birth; cesarean section; predictive models; maternal health; neonatal health.
Resumo
O parto vaginal ps-cesrea uma alternativa vivel para mulheres com
histrico de parto cesreo, desde que atendam a critrios mdicos especficos.
Esse procedimento contribui para a reduo de cesreas desnecessrias e suas
potenciais complicaes, promovendo uma abordagem mais humana ao cuidado
obsttrico. Nesse contexto, modelos preditivos permitem estimar a probabilidade
de sucesso de um parto vaginal ps-cesrea, facilitando a tomada de deciso
clnica informada. Este estudo realizou uma reviso sistemtica de artigos
publicados entre 2020 e 2024 em bases de dados como PubMed, SciELO, Cochrane e
Google Acadmico. Diversos modelos preditivos foram analisados, incluindo os de
Grobman, Kalok, Flamm, Hua Li, Pinkey e Hikaru Ooba, considerando variveis
maternas e obsttricas. O modelo de Grobman foi identificado como
o mais utilizado devido sua simplicidade e aplicabilidade em diversos
cenrios, embora o modelo de Hua Li tenha apresentado maior acurcia e
complexidade. No Equador, no existe um modelo padronizado para prever o
sucesso do parto vaginal aps cesrea, o que refora a necessidade de sua
implementao para otimizar a segurana materna e neonatal e reduzir a taxa de
cesreas desnecessrias.
Palavras-chave: parto vaginal; cesrea; modelos preditivos; sade materna; sade neonatal.
Introduccin
El parto vaginal post cesrea, es el proceso mediante el cual una mujer que ha tenido una cesrea previa, pueda dar a luz de forma vaginal en un embarazo posterior, esta alternativa de parto es una opcin viable para muchas mujeres, siempre y cuando cumplan distintos criterios mdicos. Este proceso tiene un enfoque prometedor para reducir la frecuencia de nacimiento por cesrea repetidos e innecesarios; adems, surge para promover un entorno seguro y de confianza para las mujeres, empoderndolas en su eleccin(1).
La OMS considera que la tasa ideal de cesreas debe oscilar entre el 10 y 15 %, pero en la actualidad la tasa general de cesreas a nivel mundial es del 21%, siendo as que en Europa es del 25,7%, en Asia del 23,1%, en frica del 9,2% y el 42,8% en Amrica Latina y el Caribe (2,3); mientras en Ecuador segn el estudio ms reciente sobre cesreas que abarca datos desde 2015 a 2022, se muestra una tasa del 41.3% de mujeres que dieron a luz por cesrea(4).
Se han realizado avances significativos en la atencin de parto vaginal post cesrea, como se ha evidenciado en China, que registra un 86,3% de las pacientes con una cesrea previa que han logrado tener un parto vaginal, mientras en Estados Unidos estas tasas han aumentado a un 13,3% y en pases europeos como Finlandia alcanzan el 55%, en cambio en pases como Irlanda, Italia y Alemania es de 29,36% (5).
El xito logrado en otros pases sobre el parto vaginal post cesrea ha llevado que en Ecuador se aplique dichas polticas, sin embargo; este procedimiento es poco conocido y empleado en la prctica clnica actual debido a la necesidad de equilibrar los riesgos y beneficios tanto para la madre como para el neonato(6,7). Esto ha llevado a una importante investigacin para determinar un resultado ptimo de un parto vaginal post cesrea, por lo que han surgido distintos modelos predictivos que buscan identificar a las mujeres que tienen una alta probabilidad de tener un parto vaginal post cesrea con el menor riesgo posible(8,9).
Entre los modelos predictivos ms destacados se encuentran como Grobman, Kalok, Flamm, Hua Li, Pinkey e Hikaru Ooba, que abarcan parmetros como edad materna, IMC, induccin del parto anterior, cesrea previa, paridad, edad gestacional, dilatacin cervical, peso fetal estimado entre otros los que determinan la probabilidad de xito de este trabajo, que han ido modificndose y adaptndose a las necesidades de las distintas poblaciones donde se han aplicado(10).
Los distintos modelos predictivos nos han llevado a realizar este trabajo de investigacin a fin de plantear cual de todos los modelos es el idneo en nuestro pas. Por lo tanto, el objetivo de esta investigacin es describir los modelos predictivos del parto vaginal post cesrea mediante revisin sistemtica, para su aplicabilidad en nuestro entorno obsttrico.
Metodologa
El presente estudio es una revisin sistemtica descriptiva no experimental, basada en diversas bases de datos como PubMed, Scielo, Cochrane y Google Scholar. La bsqueda en la base de datos se realiz empleando operadores booleanos AND OR NOT, combinando varios operadores para construir estrategias de bsqueda, como (parto vaginal AND cesrea previa), (parto vaginal OR VBAC) NOT parto prematuro, esta estrategia permiti ampliar el alcance de la bsqueda sin comprometer la especificidad de los resultados.
Mientras, la bsqueda en Google Scholar se bas en la identificacin de literatura gris con el fin de hallar informacin no indexada en revistas cientficas, como trabajos acadmicos y documentos de instituciones gubernamentales. Los estudios relevantes fueron seleccionados con la ayuda de expertos mdicos y analizados segn la intervencin, diseo, participantes y resultados, para determinar si cumplan con los criterios de inclusin.
Este anlisis incluy estudios que cumplan con los criterios PICO (poblacin, intervencin, comparador y resultados): P) En mujeres embarazadas con antecedente de cesrea previa, I) Cul modelo predictivo es ms efectivo, C) en comparacin con otros modelos predictivos existentes, O) para estimar la probabilidad de un parto vaginal post cesrea?
La elegibilidad de los estudios seleccionados fue en base a la gua de Elementos de informe preferidos para revisiones sistemticas y metaanlisis (PRISMA) 2020, la bsqueda inicial arroj 306 artculos, de los cuales se eliminaron 17 antes de pasar al proceso de cribado. De los 289 artculos, se excluyeron aquellos que carecen de fiabilidad, falta de pertinencia al tema de investigacin y el acceso completo al texto, se incluyeron nicamente investigaciones publicadas entre 2020 y 2024, disponibles en ingls y espaol, con acceso libre. Finalmente, 43 artculos cumplan con los criterios de inclusin y fueron incluidos en la revisin sistemtica para su anlisis. En el diagrama de flujo PRISMA (11) se detalla en la Figura 1.
Figura 1. Diagrama de flujo PRISMA 2020 para el proceso de seleccin de estudios
Resultados y discusin
En la siguiente tabla se sintetizan los principales parmetros considerados por cada uno de los autores, con el fin de tener una visin clara y concisa de los aspectos clave abordados en los diferentes modelos predictivos y sus respectivas singularidades.
Tabla 1. Parmetros utilizados en los distintos modelos predictivos
Tabla 2 Resultados de la aplicacin de los modelos predictivos en cada uno de los estudios analizados
Ao |
Mtodo de Estudio |
Poblacin de Estudio |
Resultados Clave (ROC-AUC, Precisin) |
|
Hikaru Ooba, et al |
2024 |
Estudio de cohorte retrospectivo |
2.964 mujeres |
El autor del estudio indica una precisin general del 80%, con un AUC de 0,80, que presento un intervalo de confianza entre 0,77 y 0,84. |
Mahak Bhardwaj, et al |
2023 |
Estudio observacional prospectivo |
124 mujeres |
Segn Mahak, el modelo Grobman present una precisin general del 70,3%, con un AUC de 0,703, presentando un intervalo de confianza entre 0,609 y 0,797. |
Hasan Rawashdeh, et al |
2023 |
Estudio retrospectivo |
714 mujeres |
El enfoque dado por el autor mediante el modelo Grobman mostr una precisin general del 64% con un AUC de 0.64, presentando un intervalo de confianza entre 0,58 y 0,69. |
Hua Li, et al |
2022 |
Estudio retrospectivo |
535 mujeres |
El autor presenta variables adaptadas de diferentes modelos presento una precisin general del 92,9% con un AUC de 0,929, presentando un intervalo de confianza entre 0,907 y 0,951. |
Hester Chang Qi Lau, et al |
2021 |
Estudio observacional retrospectivo |
190 mujeres |
El enfoque propuesto por Hester en el modelo de Kalok present una precisin general del 74%, con un rea bajo la curva (AUC) de 0,740, que present un intervalo de confianza % entre 0,667 y 0,813. |
Pooja Kiran, et al |
2020 |
Estudio de cohorte prospectivo |
194 mujeres |
El autor mediante el modelo de Grobman mostro una precisin general del 80,4%, con un AUC de 0,804, que presento un intervalo de confianza entre 0,748 y 0,86. |
Pinkey Lakra, et al |
2020 |
Estudio observacional prospectivo |
150 mujeres |
Segn el enfoque de Pinkey, se evidenci una precisin general del 70%, con un AUC de 0,77, que presento un intervalo de confianza entre 0,68 a 0,85. |
Charlotte Lindblad Wollmann, et al |
2020 |
Estudio de cohorte de base observacional |
3.116 mujeres |
Segn Charlotte en su estudio enfocado en el modelo de Grobman mostro una precisin general del 69% con un AUC de 0,64, que presento un intervalo de confianza entre 0,61 y 0,67. |
Luna Salinas Biviana, et al
|
2020 |
Estudio observacional descriptivo retrospectivo |
348 mujeres |
El enfoque propuesto por el autor, bajo el esquema de Flamm mostr una precisin general del 74% con un AUC de 0,955, presentando un intervalo de confianza entre 0,93 a 0,98. |
ROC: Curva Caracterstica Operativa del Receptor; AUC: rea bajo la curva
No existe un consenso unificado para la aplicabilidad de un modelo predictivo nico en nuestra regin, cada uno de ellos se caracteriza por abarcar diversos parmetros que varan en complejidad, precisin, y enfoque, considerando datos maternos, obsttricos y particularidades propias de cada regin, como los modelos de Hua Li(5), Kalok(8), Grobman(12)(13)(14)(15), Flamm(16), Pinkey(17) e Hikaru Ooba(18).
Nuestra revisin apunta al modelo de Grobman como el ms utilizado, debido a su accesibilidad y simplicidad que lo convierten en un instrumento fcil de utilizar, con parmetros clnicos bsicos como; la edad materna, el IMC y el historial clnico materno sin necesidad de aplicar recursos tecnolgicos costosos(19)(20,21). Aunque el modelo de Hua Li (5) tiene una mayor precisin que el resto de los modelos, dado que este implica criterios ms tcnicos como como la puntuacin cefaloplvica, el grosor del segmento uterino inferior y el compromiso fetal en la pelvis, su aplicacin se vuelve ms compleja en tiempo y en recursos, limitndose a ser utilizada fuera de entornos especializados (22)(23)
En Ecuador no existe actualmente un consenso oficial que especifique el uso normativo de un modelo predictivo, ni guas nacionales que promuevan su implementacin sistemtica en el manejo del parto vaginal post cesrea, sin embargo, existe un estudio aislado donde se ha evidenciado la aplicacin del modelo de Flamm(24,25) particularmente en hospitales de segundo y tercer nivel, donde se prioriza la prediccin del xito de un parto vaginal post cesrea para reducir complicaciones obsttricas y optimizar recursos en salud materna, a pesar de ello, la falta de validacin oficial y de protocolos especficos limita su adopcin a nivel nacional.
Conclusin
A nivel global, los modelos predictivos para el parto vaginal post cesrea son variados y responden a componentes especficos materno-fetales, as como a las particularidades de cada regin en los que han sido implementados, aunque no existe un consenso global sobre el modelo ideal.
El modelo de Grobman constituye una excelente opcin para desarrollarlo a gran escala, dado que su simplicidad, accesibilidad y validacin en diversas poblaciones, permitiendo identificar de manera oportuna a las pacientes con mayor probabilidad de xito en un parto vaginal post cesrea, siendo esto clave para reducir la tasa de cesreas, optimizar los recursos econmicos y, sobre todo, mejorara la seguridad materna y neonatal en el pas.
Referencias
1. Hadizadeh-Talasaz F, Ghoreyshi F, Mohammadzadeh F, Rahmani R. Effect of shared decision making on mode of delivery and decisional conflict and regret in pregnant women with previous cesarean section: a randomized clinical trial. BMC Pregnancy Childbirth. 1 de diciembre de 2021;21(1).
2. Addisu D, Gebeyehu NA, Biru S, Belachew YY. Vaginal birth after cesarean section and its associated factors in Ethiopia: a systematic review and meta-analysis. Sci Rep [Internet]. 1 de diciembre de 2023 [citado 11 de diciembre de 2024];13(1). Disponible en: https://pubmed.ncbi.nlm.nih.gov/37188702/
3. Betran AP, Ye J, Moller AB, Souza JP, Zhang J. Trends and projections of caesarean section rates: Global and regional estimates. BMJ Glob Health. 15 de junio de 2021;6(6).
4. Lapo‐Talledo GJ. Cesarean sections and sociodemographic disparities in Ecuador: A nationwide study from hospital registries between 2015 and 2022. International Journal of Gynecology & Obstetrics. 23 de agosto de 2024;166(2):745-52.
5. Li H, Sheng W, Cai M, Chen Q, Lin B, Zhang W, et al. A predictive nomogram for a failed trial of labor after cesarean: A retrospective cohort study. Journal of Obstetrics and Gynaecology Research. 1 de noviembre de 2022;48(11):2798-806.
6. Mao H, Shen P. Trial of labor versus elective cesarean delivery for patients with two prior cesarean sections: a systematic review and meta-analysis. Vol. 37, Journal of Maternal-Fetal and Neonatal Medicine. Taylor and Francis Ltd.; 2024.
7. Wingert A, Hartling L, Sebastianski M, Johnson C, Featherstone R, Vandermeer B, et al. Clinical interventions that influence vaginal birth after cesarean delivery rates: Systematic Review & Meta-Analysis. Vol. 19, BMC Pregnancy and Childbirth. BioMed Central Ltd.; 2019.
8. Lau HCQ, Kwek MEJ, Tan I, Mathur M, Wright A. A comparison of antenatal prediction models for vaginal birth after caesarean section. Ann Acad Med Singap. 1 de agosto de 2021;50(8):606-12.
9. Keedle H, Peters L, Schmied V, Burns E, Keedle W, Dahlen HG. Womens experiences of planning a vaginal birth after caesarean in different models of maternity care in Australia. BMC Pregnancy Childbirth. 30 de junio de 2020;20(1).
10. Pan R, An L, Zhang W, Li W. Application of predictive model for vaginal birth after caesarean delivery. Vol. 5, International Journal of Nursing Sciences. Chinese Nursing Association; 2018. p. 15-7.
11. Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 29 de marzo de 2021;n71.
12. Bhardwaj M, Gainder S, Chopra S, Bagga R, Saini SS. Validation of Grobmans graphical nomogram for prediction of vaginal delivery in Indian women with previous caesarean section. Eur J Obstet Gynecol Reprod Biol X. 1 de junio de 2023;18.
13. Rawashdeh H, Aljalodi H, shamleh RA, Alshorman S, AboShindi H, Awawdeh S. Validation of the Grobman model for successful vaginal birth after cesarean section in Jordanian women. BMC Pregnancy Childbirth. 1 de diciembre de 2023;23(1).
14. Kiran P, Patil KP, Metgud MC, Swamy MK. Prediction of vaginal birth after cesarean section using scoring system at the time of admission for trial of labor: A one-year prospective cohort study. Journal of South Asian Federation of Obstetrics and Gynaecology. 1 de julio de 2020;12(4):224-9.
15. Lindblad Wollmann C, Hart KD, Liu C, Caughey AB, Stephansson O, Snowden JM. Predicting vaginal birth after previous cesarean: Using machine-learning models and a population-based cohort in Sweden. Acta Obstet Gynecol Scand. 1 de marzo de 2021;100(3):513-20.
16. Derebe Tesfahun T, Awoke AM, Mihiret Kefale M, Feyisa Balcha W, Nega AT, Gezahegn TW, et al. Factors associated with successful vaginal birth after one lower uterine transverse cesarean section delivery. Scientific Reports | [Internet]. 123d. C. [citado 20 de enero de 2025];13:8871. Disponible en: https://doi.org/10.1038/s41598-023-36027-1
17. Lakra P, Patil B, Siwach S, Upadhyay M, Shivani S, Sangwan V, et al. A prospective study of a new prediction model of vaginal birth after cesarean section at a tertiary care centre. Turk J Obstet Gynecol. 2020;17(4):278-84.
18. Ooba H, Maki J, Masuyama H. Evaluating the impact of a trial of labor after cesarean section on labor duration: a retrospective cohort study. BMC Pregnancy Childbirth. 1 de diciembre de 2024;24(1).
19. Jeffries E, Falcone-Wharton A, Daggy J, Edmonds BT. Examining the Impact of the Vaginal Birth After Cesarean Risk Calculator Estimation on Trial of Labor After Cesarean Counseling. MDM Policy Pract. 2019;4(1):1-8.
20. Chen X, Mi MY. The impact of a trial of labor after cesarean versus elective repeat cesarean delivery: A meta-analysis. Medicine (United States). 16 de febrero de 2024;103(7):E37156.
21. Liao Q, Luo J, Zheng L, Han Q, Liu Z, Qi W, et al. Establishment of an antepartum predictive scoring model to identify candidates for vaginal birth after cesarean. BMC Pregnancy Childbirth. 1 de diciembre de 2020;20(1).
22. Maroyi R, Naomi B, Moureau MK, Marceline BS, Ingersoll C, Nerville R, et al. Factors associated with successful vaginal birth after a primary cesarean section in women with an optimal inter-delivery interval. Int J Womens Health. 2021;13:903-9.
23. Clarke M, Devane D, Gross MM, Morano S, Lundgren I, Sinclair M, et al. OptiBIRTH: A cluster randomised trial of a complex intervention to increase vaginal birth after caesarean section. BMC Pregnancy Childbirth. 6 de marzo de 2020;20(1).
24. Torres Vasconez MP, Macas Gaytn M, Limones Gonzlez EM, lvarez Reyes SJ. Parto vaginal post cesrea. RECIMUNDO. 20 de noviembre de 2022;6(4):525-31.
25. Maykin M, Mularz A, Lee L, Valderramos S. Validation of a Prediction Model for Vaginal Birth after Cesarean Delivery Reveals Unexpected Success in a Diverse American Population. American Journal of Perinatology Reports. enero de 2017;07(01):e31-8.
2025 por los autores. Este artculo es de acceso abierto y distribuido segn los trminos y condiciones de la licencia Creative Commons Atribucin-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
(https://creativecommons.org/licenses/by-nc-sa/4.0/).
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/