Ultrasound Imaging Facilitates Spinal Anesthesia in Adults with Difficult Surface Anatomic Landmarks
Notice bibliographique
Résumé
BACKGROUND: Poor surface anatomic landmarks are highly predictive of technical difficulty in neuraxial blockade. The authors examined the use of ultrasound imaging to reduce this difficulty. METHODS: The authors recruited 120 orthopedic patients with one of the following: body mass index more than 35 kg/m² and poorly palpable spinous processes; moderate to severe lumbar scoliosis; or previous lumbar spine surgery. Patients were randomized to receive spinal anesthetic by the conventional surface landmark-guided technique (group LM) or by an ultrasound-guided technique (group US). Patients in group US had a preprocedural ultrasound scan to locate and mark a suitable needle insertion point. The primary outcome was the rate of successful dural puncture on the first needle insertion attempt. Normally distributed data were summarized as mean ± SD and nonnormally distributed data were summarized as median [interquartile range]. RESULTS: The first-attempt success rate was twice as high in group US than in group LM (65% vs. 32%; P < 0.001). There was a twofold difference between groups in the number of needle insertion attempts (group US, 1 [1-2] vs. group LM, 2 [1-4]; P < 0.001) and number of needle passes (group US, 6 [1-10] vs. group LM, 13 [5-21]; P = 0.003). More time was required to establish landmarks in group US (6.7 ± 3.1; group LM, 0.6 ± 0.5 min; P < 0.001), but this was partially offset by a shorter spinal anesthesia performance time (group US, 5.0 ± 4.9 vs. group LM, 7.3 ± 7.6 min; P = 0.038). Similar results were seen in subgroup analyses of patients with body mass index more than 35 kg/m and patients with poorly palpable landmarks. CONCLUSION: Preprocedural ultrasound imaging facilitates the performance of spinal anesthesia in the nonobstetric patient population with difficult anatomic landmarks.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».