MétaCan
Menu
Retour à la cohorte
Enregistrement W2022273963 · doi:10.1111/pan.12007

New technologies in pediatric anesthesia

2012· review· en· W2022273963 sur OpenAlexaff
Helen Holtby, Justin Skowno, Daryl J. Kor, Randall P. Flick, Shoichi Uezono

Notice bibliographique

RevuePediatric Anesthesia · 2012
Typereview
Langueen
DomaineMedicine
ThématiqueHemodynamic Monitoring and Therapy
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePulse oximetryPerioperativeIntensive care medicineVenipunctureBlood managementPsychological interventionCardiac surgeryAnesthesiaSurgery

Résumé

récupéré en direct d'OpenAlex

This article reviews potential pediatric applications of 3 new technologies. (1) Pulse oximetry-based hemoglobin determination: Hemoglobin determination using spectrophotometric methods recently has been introduced in adults with varied success. This non-invasive and continuous technology may avoid venipuncture and unnecessary transfusion in children undergoing surgery with major blood loss, premature infants undergoing unexpected and complicated emergency surgery, and children with chronic illness. (2) Continuous cardiac output monitoring: In adults, advanced hemodynamic monitoring such as continuous cardiac output monitoring has been associated with better surgical outcomes. Although it remains unknown whether similar results are applicable to children, current technology enables the monitoring of cardiac output non-invasively and continuously in pediatric patients. It may be important to integrate the data about cardiac output with other information to facilitate therapeutic interventions. (3) Anesthesia information management systems: Although perioperative electronic anesthesia information management systems are gaining popularity in operating rooms, their potential functions may not be fully appreciated. With advances in information technology, anesthesia information management systems may facilitate bedside clinical decisions, administrative needs, and research in the perioperative setting.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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.

Tête enseignante Opus0,037
Tête enseignante GPT0,311
Écart entre enseignants0,274 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations35
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePediatric AnesthesiaMême sujetHemodynamic Monitoring and TherapyTravaux en français237 207