Ventilation monitoring for severe pediatric traumatic brain injury during interfacility transport
Notice bibliographique
Résumé
BACKGROUND: Ventilation monitoring practice for intubated pediatric patients with severe traumatic brain injury (TBI) during interfacility transport (IFT) has not been well documented. We describe the difference of practices in ventilation monitoring during IFT from the perspective of a level I pediatric trauma center with an enormous catchment area. METHODS: Patients admitted between July 2008 and September 2013 at Winnipeg Health Science Center, Canada, were examined in this retrospective chart review. All patients with severe TBI were intubated in regional health centers and required transport to the level 1 trauma center. Injuries due to inflicted head trauma (<5 years of age), stroke, drowning, and asphyxia were excluded. Patient characteristics, injury data, ventilation monitoring, and transport metrics were obtained from a regional health center, and transport and trauma center charts. RESULTS: Thirty four patients were studied. Specialty transport teams utilized ventilation monitoring significantly more often (95 vs. 23 %; p < 0.001) than non-specialized ground transport. Specialty teams were more likely to obtain a blood gas prior to departure (74 vs. 0 %; p = 0.037) if end-tidal monitoring was used. Among unmonitored ground transport patients, mean transport time was 69.1 min. CONCLUSIONS: Non-specialized ground IFT teams did not reliably monitor ventilation in intubated severe pediatric TBI patients. Blood gas monitoring was not a ubiquitous practice for either team. Optimal ventilation monitoring strategies for severe pediatric TBI may require both blood gas and end-tidal monitoring.
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 | 0,001 | 0,001 |
| 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 | 0,000 |
| 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 ».