MétaCan
Menu
Retour à la cohorte
Enregistrement W2151925853 · doi:10.1109/tbme.2008.2011475

Instrumentation of the Loss-of-Resistance Technique for Epidural Needle Insertion

2009· article· en· W2151925853 sur OpenAlexaff
Dinh-Manh-Cuong Tran, King-Wei Hor, A. A. Kamani, Victoria A. Lessoway, Robert Rohling

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueAnesthesia and Pain Management
Établissements canadiensB.C. Women's Hospital & Health CentreUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPlungerBiomedical engineeringSyringeEpidural spaceDisplacement (psychology)Pressure sensorPressure measurementInstrumentation (computer programming)SalineAnesthesiaMaterials scienceMedicineSurgeryComputer scienceMechanical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Epidural anesthesia is the most common form of anesthesia in obstetrics. The loss-of-resistance to saline injection is used to confirm when the needle tip enters the epidural space. This procedure is highly dependent on skill and expertise, so it is useful to quantify the tissue resistance during insertion. Sensors are used to measure the force and displacement of the plunger of the syringe and the pressure at the needle tip. A model is also developed to estimate the pressure from the force and displacement. Tests are first performed on porcine tissue to compare the continuous-pressure and intermittent-pressure versions of the technique and to compare the paramedian and midline needle approaches. The accuracy of the pressure model is 12% of peak pressure for the continuous technique and 20% for the intermittent technique. Significant differences in injection flow rate were also found for the muscle, interspinous ligament, and ligamentum flavum encountered in the two approaches. A small clinical study on human subjects was performed and again significant differences were found in flow rate for different tissues. These quantitative results improve the understanding of small differences in feel that have been previously known qualitatively and may help in the development of simulators.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,912
Score d'incertitude au seuil0,226

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,244
Écart entre enseignants0,233 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations40
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetAnesthesia and Pain ManagementTravaux en français237 207