Risk factors associated with increased length of mechanical ventilation in children
Notice bibliographique
Résumé
BACKGROUND: Invasive mechanical ventilation, if prolonged, may lead to high morbidity and mortality. OBJECTIVE: To determine the incidence rate and early risk factors for prolonged acute invasive mechanical ventilation in children. DESIGN: Retrospective longitudinal cohort study over a 1-yr period. PATIENTS: All consecutive episodes of invasive mechanical ventilation in the pediatric intensive care units of Sainte-Justine Hospital (Montreal, Canada) were included. Risk factors for long (≥96 hrs) vs. short (<96 hrs) duration of ventilation were determined by logistic regression. INTERVENTION: None. MEASUREMENTS AND MAIN RESULTS: Among the 360 episodes of invasive ventilation, 36% had a length of ≥96 hrs. Following multivariate analysis, significant risk factors for prolonged acute invasive mechanical ventilation were age of <12 months (odds ratio 3.27, 95% confidence interval 1.90-5.63), Pediatric Risk of Mortality score of ≥15 at admission (odds ratio 3.41, 95% confidence interval 1.31-8.89), mean airway pressure of ≥13 cm H(2)O on day 1 (odds ratio 5.92, 95% confidence interval 3.08-11.36), use of continuous intravenous sedation on day 1 (odds ratio 1.75, 95% confidence interval 1.00-3.05), and use of noninvasive ventilation before intubation (odds ratio 6.56, 95% confidence interval 1.99-21.63). CONCLUSIONS: Among the risk factors identified, the use of noninvasive ventilation and continuous intravenous sedation on the first day of ventilation are the only two interventions that were associated with prolonged acute invasive mechanical ventilation. Further research is needed to study the impact of sedation protocols on the duration of mechanical ventilation in children.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».