Propofol as a Risk Factor for ICU-Acquired Weakness in Septic Patients with Acute Respiratory Failure
Notice bibliographique
Résumé
BACKGROUND: Critical illness polyneuropathy (CIN) and critical illness myopathy (CIM), together "ICU-Acquired weakness (ICUAW)," occur frequently in septic patients. One of the proposed mechanisms for ICUAW includes prolonged inactivation of sodium channels. Propofol, used commonly in patients with acute respiratory failure (ARF), primarily acts via enhancement of GABAergic transmission but may also increase sodium channel inactivation, suggesting a potential interaction. METHODS: Electronic medical records and EMG reports of patients with ICUAW and a diagnosis of either sepsis, septicaemia, severe sepsis, or septic shock, concurrent with a diagnosis of acute respiratory failure (ARF), were retrospectively analyzed in a single center university hospital. RESULTS: 74 cases were identified (50.0% men, age 58±14 years), and compared to age- and sex-matched controls. Of these, 51 (69%) had CIN, 19 (26%) had CIM, and 4 (5%) had both. Propofol exposure was significantly higher in patients with ICUAW compared to controls (63.5% vs. 33.8%, p<0.001). The odds ratio of developing ICUAW with propofol exposure was 3.4 (95% CI:1.7-6.7, p<0.001). Patients with ICUAW had significantly more days in hospital (59±44 vs. 30±23) and ICU (38±26 vs. 17±13), days dependent on mechanical ventilation (27±21 vs. 13±16), and rates of tracheostomy (79.7% vs. 36.5%) and gastrostomy (75.7% vs. 25.7%) (all p<0.001). They also received a significantly higher number of distinct intravenous antibiotics, cumulative days of antibiotic therapy, and exposure to vasopressors and paralytics. CONCLUSIONS: Propofol exposure may increase the risk of ICUAW in septic patients. An interaction through sodium channel inactivation is hypothesized.
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 | 0,002 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».