Laryngoscopic Intubation
Notice bibliographique
Résumé
BACKGROUND: Many healthcare professionals are trained in direct laryngoscopic tracheal intubation (LEI), which is a potentially lifesaving procedure. This study attempts to determine the number of successful LEI exposures required during training to assure competent performance, with special emphasis on defining competence itself. METHODS: Analyses were based on a longitudinal study of novices under training conditions in the operating room. The progress of 438 LEIs performed by the 20 nonanesthesia trainees was monitored by observation and videotape analysis. Eighteen additional LEIs were performed by experienced anesthesiologists to define the standard. A generalized linear, mixed-modelling approach was used to identify key aspects of effective training and performance. The number of tracheal intubations that the trainees were required to perform before acquiring expertise in LEI was estimated. RESULTS: Subjects performed between 18 and 35 laryngoscopic intubations. However, statistical modeling indicates that a 90% probability of a "good intubation" required 47 attempts. Proper insertion and lifting of the laryngoscope were crucial to "good" or "competent" performance of LEI. Traditional features, such as proper head and neck positions, were found to be less important under the study conditions. CONCLUSIONS: This study determined that traditional LEI teaching for nonanesthesia personnel using manikin alone is inadequate. A reevaluation of current standards in LEI teaching for nonanesthesia is required.
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 | 0,001 | 0,007 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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.
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 ».