A review of approaches to optimise chest compressions in the resuscitation of asphyxiated newborns
Notice bibliographique
Résumé
OBJECTIVE: Provision of chest compressions (CCs) and/or medications in the delivery room is associated with poor outcomes. Based on the physiology of perinatal asphyxia, we aimed to provide an overview of current recommendations and explore potential determinants of effective neonatal cardiopulmonary resuscitation (CPR): balancing ventilations and CC, CC rate, depth, full chest recoil, CC technique and adrenaline. DESIGN: A search in the databases MEDLINE (Ovid) and EMBASE until 10 April 2015. SETTING: Delivery room. PATIENTS: Asphyxiated newborn infants. INTERVENTIONS: CCs. MAIN OUTCOME MEASURES: Haemodynamics, recovery and survival. RESULTS: Current evidence is derived from mathematical models, manikin and animal studies, and small case series. No randomised clinical trials examining neonatal CC have been performed. There is no evidence to refute a CC to ventilation (C:V) ratio of 3:1. Raising the intrathoracic pressure, for example, by superimposing a sustained inflation on uninterrupted CC, and a CC rate >120/min may be beneficial. The optimal neonatal CC depth is unknown, but factors influencing depth and consistency include the C:V ratio. Incomplete chest wall recoil can cause less negative intrathoracic pressure between CC and reduced CPR effectiveness. CC should be performed with the two-thumb method over the lower third of the sternum. The optimal dose, route and timing of adrenaline administration remain to be determined. CONCLUSIONS: Successful CPR requires the delivery of high-quality CC, encompassing optimal (A) C:V ratio (B) rate, (C) depth, (D) chest recoil between CC, (E) technique and (F) adrenaline dosage. More animal studies with high translational value and randomised clinical trials are needed.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 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) | 0,000 | 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 ».