A Cross-Sectional Study: Chest Tube Drainage Practice Patterns among Canadian Thoracic Surgeons Following Pulmonary Surgery
Notice bibliographique
Résumé
Background: High chest tube drainage following lung surgery is a rate-limiting step to discharge, increasing length of hospital stay. There is a paucity of evidence-based clinical research on safe maximal daily chest tube drainage prior to removal. Objectives: To describe the practice patterns of Canadian thoracic surgeons with respect to daily chest tube drainage after routine pulmonary surgery. Methods: A self-reported electronic questionnaire was administered to members of the Canadian Association of Thoracic Surgeons (CATS). Data was tabulated on the primary outcome of acceptable maximal daily pleural output prior to chest tube removal, and secondary outcomes of: years in clinical practice, academic versus community setting and rational for chest tube management. Descriptive and univariate analysis was conducted for each response by maximal daily pleural drainage category. Results: A total of 124 surveys were distributed. Response rate was 56%, with a 93% completion rate. Acceptable maximal pleural drainage among surgeons was highly variable. Rationale for tube removal was also variable, including individual clinical experiences (n = 23, 33%), evidence based guidelines (n = 18, 26%), and group practice pattern (n = 12, 17%). Academic surgeons comprised 72% of respondents. Community based surgeons were more likely to remove tubes at a lower mean volume. Years in clinical practice did not influence acceptable daily pleural drainage. Conclusion: There is great variability in post-operative management of chest tube fluid output among Canadian thoracic surgeons. Future research on this topic is warranted, with the aim of developing an evidence-based chest tube management algorithm incorporating daily chest tube drainage volumes as a key variable.
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 | 0,009 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,005 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».