Higher Frequency Ventilation Attenuates Lung Injury during High-frequency Oscillatory Ventilation in Sheep Models of Acute Respiratory Distress Syndrome
Notice bibliographique
Résumé
BACKGROUND: High-frequency oscillatory ventilation (HFOV) at higher frequencies minimizes the tidal volume. However, whether increased frequencies during HFOV can reduce ventilator-induced lung injury remains unknown. METHODS: After the induction of acute respiratory distress syndrome in the model by repeated lavages, 24 adult sheep were randomly divided into four groups (n = 6): three HFOV groups (3, 6, and 9 Hz) and one conventional mechanical ventilation (CMV) group. Standard lung recruitments were performed in all groups until optimal alveolar recruitment was reached. After lung recruitment, the optimal mean airway pressure or positive end-expiratory pressure was determined with decremental pressure titration, 2 cm H2O every 10 min. Animals were ventilated for 4 h. RESULTS: After lung recruitment, sustained improvements in gas exchange and compliance were observed in all groups. Compared with the HFOV-3 Hz and CMV groups, the transpulmonary pressure and tidal volumes were statistically significantly lower in the HFOV-9 Hz group. The lung injury scores and wet/dry weight ratios were significantly reduced in the HFOV-9 Hz group compared with the HFOV-3 Hz and CMV groups. Expression of interleukin-1β and interleukin-6 in the lung tissue, decreased significantly in the HFOV-9 Hz group compared with the HFOV-3 Hz and CMV groups. Malondialdehyde expression and myeloperoxidase activity in lung tissues in the HFOV-9 Hz group decreased significantly, compared with the HFOV-3 Hz and CMV groups. CONCLUSION: The use of HFOV at 9 Hz minimizes lung stress and tidal volumes, resulting in less lung injury and reduced levels of inflammatory mediators compared with the HFOV-3 Hz and CMV conditions.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».