Variability in the Use of Protective Mechanical Ventilation During General Anesthesia
Notice bibliographique
Résumé
BACKGROUND: The purpose of this study was to determine whether significant variation exists in the use of protective ventilation across individual anesthesia providers and whether this difference can be explained by patient, procedure, and provider-related characteristics. METHODS: The cohort consisted of 262 anesthesia providers treating 57,372 patients at a tertiary care hospital between 2007 and 2014. Protective ventilation was defined as a median positive end-expiratory pressure of 5 cm H2O or more, tidal volume of <10 mL/kg of predicted body weight and plateau pressure of <30 cm H2O. Analysis was performed using mixed-effects logistic regression models with propensity scores to adjust for covariates. The definition of protective ventilation was modified in sensitivity analyses. RESULTS: In unadjusted analysis, the mean probability of administering protective ventilation was 53.8% (2.5th percentile of provider 19.9%, 97.5th percentile 80.8%). After adjustment for a large number of covariates, there was little change in the results with a mean probability of 51.1% (2.5th percentile 24.7%, 97.5th percentile 77.2%). The variations persisted when the thresholds for protective ventilation were changed. CONCLUSIONS: There was significant variability across individual anesthesia providers in the use of intraoperative protective mechanical ventilation. Our data suggest that this variability is highly driven by individual preference, rather than patient, procedure, or provider-related characteristics.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 0,000 |
| 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; 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 ».