Ultrasonographic Evaluation of Diaphragm Thickness During Mechanical Ventilation in Intensive Care Patients
Notice bibliographique
Résumé
BACKGROUND: Mechanical ventilation is associated with atrophy and weakness of the diaphragm. Ultrasound is an easy noninvasive way to track changes in thickness of the diaphragm. OBJECTIVE: To validate ultrasound as a means of tracking thickness of the diaphragm in patients undergoing mechanical ventilation by evaluating interobserver and interoperator reliability and to collect initial data on the relationship of mode of ventilation to changes in the diaphragm. METHODS: Daily ultrasound images of the quadriceps and the right side of the diaphragm were acquired in 8 critically ill patients receiving various modes of mechanical ventilation. Thickness of the diaphragm and the quadriceps was measured, and changes with time were noted. Interoperator and interobserver reliability were measured. RESULTS: Intraclass correlation coefficients between operators and between observers for thickness of the diaphragm and quadriceps were greater than 0.95, indicating excellent interoperator and interobserver reliability. Patients receiving assist-control ventilation (n = 4) showed a mean decline in diaphragm thickness of 4.7% per day. Patients receiving pressure support ventilation (n = 8) showed a mean increase in diaphragm thickness of 1.5% per day. Quadriceps thickness declined in all participants (n = 8) at a mean rate of 2.0% per day. CONCLUSIONS: Use of ultrasound to measure thickness of the diaphragm in 8 intensive care patients undergoing various modes of mechanical ventilation was feasible and yielded reproducible results. Ultrasound tracking of changes in thickness of the diaphragm in this small sample indicated that the thickness decreased during assist-control mode and increased during pressure support mode.
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 | 0,002 |
| 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 ».