MétaCan
Menu
Retour à la cohorte
Enregistrement W2603646737 · doi:10.1088/1361-6579/aa6923

Global and regional assessment of sustained inflation pressure–volume curves in patients with acute respiratory distress syndrome

2017· article· en· W2603646737 sur OpenAlexaff
Tobias Becher, Philipp Rostalski, Matthias Kott, Andy Adler, Dirk Schädler, N. Weiler, Inéz Frerichs

Notice bibliographique

RevuePhysiological Measurement · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensCarleton University
Organismes subventionnairesnon disponible
Mots-clésAcute respiratory distressMedicineRespiratory distressIntensive care medicineInflation (cosmology)Volume (thermodynamics)CardiologyInternal medicineAnesthesiaLung

Résumé

récupéré en direct d'OpenAlex

Abstract Objective . Static or quasi-static pressure–volume ( P – V ) curves can be used to determine the lung mechanical properties of patients suffering from acute respiratory distress syndrome (ARDS). According to the traditional interpretation, lung recruitment occurs mainly below the lower point of maximum curvature (LPMC) of the inflation P – V curve. Although some studies have questioned this assumption, setting of positive end-expiratory pressure 2 cmH 2 O above the LPMC was part of a ‘lung-protective’ ventilation strategy successfully applied in several clinical trials. The aim of our study was to quantify the amount of unrecruited lung at different clinically relevant points of the P – V curve. Approach . P – V curves and electrical impedance tomography (EIT) data from 30 ARDS patients were analysed. We determined the regional opening pressures for every EIT image pixel and fitted the global P – V curves to five sigmoid model equations to determine the LPMC, inflection point (IP) and upper point of maximal curvature (UPMC). Points of maximal curvature and IP were compared between the models by one-way analysis of variance (ANOVA). The percentages of lung pixels remaining closed (‘unrecruited lung’) at LPMC, IP and UPMC were calculated from the number of lung pixels exhibiting regional opening pressures higher than LPMC, IP and UPMC and were also compared by one-way ANOVA. Main results . As results, we found a high variability of LPMC values among the models, a smaller variability of IP and UPMC values. We found a high percentage of unrecruited lung at LPMC, a small percentage of unrecruited lung at IP and no unrecruited lung at UPMC. Significance . Our results confirm the notion of ongoing lung recruitment at pressure levels above LPMC for all investigated model equations and highlight the importance of a regional assessment of lung recruitment in patients with ARDS.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,053
Tête enseignante GPT0,311
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhysiological MeasurementMême sujetRespiratory Support and MechanismsTravaux en français237 207