A systematic review and meta‐analysis of acute severe complications of pediatric anesthesia
Notice bibliographique
Résumé
BACKGROUND: Quantification of acute severe complications of pediatric anesthesia is essential to plan clinical guidelines and educational curricula. AIM: Our aim was to identify complications in terms of frequency and outcomes. METHODS: We defined acute severe complications as an unexpected perioperative event, which without intervention by the anesthesiologist within 30 min may lead to disability or death. A systematic search was performed using MEDLINE, EMBASE, and CINAHL. Screening and data extraction were performed independently. Assessment of bias was conducted using GRADE guidelines. RESULTS: Of 3002 abstracts, 25 met all inclusion criteria. The most common acute severe complications in pediatric anesthesia are related to airway management and respiratory system, followed by cardiovascular events. There was a great variation in reporting the methods, particularly poor definitions of diagnostic criteria for complications. Data were heterogeneous and pooled estimates may not be generalizable. Some studies failed to define potential source of bias, explain how missing data were addressed, describe acute severe complications, and had incomplete postoperative follow-up. CONCLUSION: The data on pediatric anesthesia acute severe complications are poorly defined with large variation in the specificity of diagnostic reporting even within studies. We suggest that it is vital for future studies in this area to be based on a standardized system of diagnostic reporting (possibly with a hierarchical system of coding) with adequate description of population details to describe heterogeneity of data.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| 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 ».