MétaCan
Menu
Retour à la cohorte
Enregistrement W2604970541 · doi:10.1186/s13054-017-1671-8

Implementing a bedside assessment of respiratory mechanics in patients with acute respiratory distress syndrome

2017· article· en· W2604970541 sur OpenAlexaff
Lü Chen, Guangqiang Chen, Kevin Shore, Orest Shklar, Concetta Martins, Brian Devenyi, Paul Lindsay, Heather McPhail, Ashley Lanys, Ibrahim Soliman, Mazin Tuma, Michael J. Kim, Kerri Porretta, Pamela Greco, H. Every, Chris Hayes, Andrew Baker, Jan O. Friedrich, Laurent Brochard

Notice bibliographique

RevueCritical Care · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineAcute respiratory distressIntensive care medicineRespiratory systemRespiratory physiologyRespiratory distressEmergency medicineInternal medicineAnesthesiaLung

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Despite their potential interest for clinical management, measurements of respiratory mechanics in patients with acute respiratory distress syndrome (ARDS) are seldom performed in routine practice. We introduced a systematic assessment of respiratory mechanics in our clinical practice. After the first year of clinical use, we retrospectively assessed whether these measurements had any influence on clinical management and physiological parameters associated with clinical outcomes by comparing their value before and after performing the test. METHODS: The respiratory mechanics assessment constituted a set of bedside measurements to determine passive lung and chest wall mechanics, response to positive end-expiratory pressure, and alveolar derecruitment. It was obtained early after ARDS diagnosis. The results were provided to the clinical team to be used at their own discretion. We compared ventilator settings and physiological variables before and after the test. The physiological endpoints were oxygenation index, dead space, and plateau and driving pressures. RESULTS: Sixty-one consecutive patients with ARDS were enrolled. Esophageal pressure was measured in 53 patients (86.9%). In 41 patients (67.2%), ventilator settings were changed after the measurements, often by reducing positive end-expiratory pressure or by switching pressure-targeted mode to volume-targeted mode. Following changes, the oxygenation index, airway plateau, and driving pressures were significantly improved, whereas the dead-space fraction remained unchanged. The oxygenation index continued to improve in the next 48 h. CONCLUSIONS: Implementing a systematic respiratory mechanics test leads to frequent individual adaptations of ventilator settings and allows improvement in oxygenation indexes and reduction of the risk of overdistention at the same time. TRIAL REGISTRATION: The present study involves data from our ongoing registry for respiratory mechanics (ClinicalTrials.gov identifier: NCT02623192 . Registered 30 July 2015).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,009
Score d'incertitude au seuil0,808

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,364
Écart entre enseignants0,334 · 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 tête enseignante, 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

Citations57
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetRespiratory Support and MechanismsTravaux en français237 207