Human or monitor feedback to improve mask ventilation during simulated neonatal cardiopulmonary resuscitation
Notice bibliographique
Résumé
OBJECTIVE: To investigate if external chest compressions (ECC) increase mask leak, and if human or technical feedback improves mask ventilation during simulated neonatal cardiopulmonary resuscitation (CPR). STUDY DESIGN: In this observational study, 32 participants delivered positive pressure ventilation (PPV) to a modified, leak-free manikin via facemask. Mask leak, tidal volume (VT), positive end expiratory pressure (PEEP) and respiratory rate (RR) were measured with a respiratory function monitor (RFM). Participants had to perform four studies. In the first study, participants performed PPV alone as baseline. Thereafter, three studies were performed in random order. In the PPV+ECC+manometer group, participants had to observe the manometer while the RFM was covered; in the PPV+ECC+RFM group, the RFM was used while the manometer was covered; and in the PPV+ECC+verbal feedback group, the RFM and manometer were covered while a team leader viewed the RFM and provided verbal feedback to the participants. RESULTS: Median (IQR) mask leak of all studies was 15% (5-47%). Comparing the studies, PPV+ECC+RFM and PPV+ECC+verbal feedback had significantly less mask leak than PPV+ECC+manometer. Mean (SD) VT of all studies was 9.5±3.5 mL. Comparing all studies, PPV+ECC+RFM had a significantly higher VT than PPV and PPV+ECC+manometer. As well, PPV+ECC+verbal feedback had a significantly higher VT than PPV. PEEP and RR were within our target, mean (SD) PEEP was 6±2 cmH2O and RR was 36±13/min. CONCLUSIONS: During simulated neonatal CPR, ECCs did not influence mask leak, and a RFM and verbal feedback were helpful methods to reduce mask leak and increase VT significantly.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».