Institutional Care for Long‐Term Mechanical Ventilation in Canada: A National Survey
Notice bibliographique
Résumé
INTRODUCTION: No national Canadian data define resource requirements and care delivery for ventilator-assisted individuals (VAIs) requiring long-term institutional care. Such data will assist in planning health care services to this population. OBJECTIVE: To describe institutional and patient characteristics, prevalence, equipment used, care elements and admission barriers for VAIs requiring long-term institutional care. METHODS: Centres were identified from a national inventory and snowball referrals. The survey weblink was provided from December 2012 to April 2013. Weekly reminders were sent for six weeks. RESULTS: The response rate was 84% (54 of 64), with 44 adult and 10 pediatric centres providing data for 428 VAIs (301 invasive ventilation; 127 noninvasive ventilation [NIV]), equivalent to 1.3 VAIs per 100,000 population. An additional 106 VAIs were on wait lists in 18 centres. More VAIs with progressive neuromuscular disease received invasive ventilation than NIV (P<0.001); more VAIs with chronic obstructive pulmonary disease (P<0.001), obesity hypoventilation syndrome (P<0.001) and central hypoventilation syndrome (P=0.02) required NIV. All centres used positive pressure ventilators, 21% diaphragmatic pacing, 15% negative pressure and 13% phrenic nerve stimulation. Most centres used lung volume recruitment (55%), manually (71%) and mechanically assisted cough (55%). Lack of beds and provincial funding were common admission barriers.CONCLUSIONS: Variable models and care practices exist for institutionalized care of Canadian VAIs. Patient prevalence was 1.3 per 100,000 Canadians.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».