Learning Neonatal Intubation Using the Videolaryngoscope
Notice bibliographique
Résumé
INTRODUCTION: The use of the videolaryngoscope (VL) facilitates intubation in adults and children, but experience in neonates is scarce. The objective of this study was to compare the VL with the classic laryngoscope (CL) in acquiring the skill of neonatal endotracheal intubation (ETI) and evaluate transferability of skill from VL to CL. We hypothesize that, on a neonatal mannequin, the VL will be superior to the CL with regard to success rate and that the skill will be transferred from VL to CL. METHODS: A randomized controlled trial was held at Sainte-Justine Hospital's simulation center. Third- and fourth-year medical students were randomized into group A, which used VL for the first phase and CL for the second phase, and group B, which used CL for both phases. Each subject performed 9 ETI on 3 simulated neonatal airways in each phase. RESULTS: Thirty-four students performed 612 intubations. Success in group A was higher than in group B in the first phase of the study (96.5% vs. 84.6%, P < 0.001). During phase 2, group A's success did not change significantly (91.7% vs. 96.5%, P = 0.07). Time to successful intubation was longer using the VL (27.6 vs. 15.6 seconds, P < 0.001), but there was no difference in phase 2 (12.5 vs. 10.2 seconds, P = 0.24). There were no esophageal intubations using the VL. CONCLUSIONS: Success rate of ETI on mannequins was improved, and esophageal intubations decreased while learning ETI using the VL compared with the CL. Once ETI is learned on mannequins using the VL, this skill is transferrable to the CL.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».