MétaCan
Menu
Retour à la cohorte
Enregistrement W2742662429 · doi:10.1177/0267659117724865

International survey on the perioperative management of pulmonary endarterectomy: the perfusion perspective

2017· article· en· W2742662429 sur OpenAlexaff
Roger Stanzel, Johannes Gehron, Matthias Wolff, Natalie Striegl, P. Roth, Rolf‐Hasso Boedeker, Christine Scheibelhut, Johannes M. Herrmann, Ingeborg Welters, Eckhard Mayer, Matthias Scheffler

Notice bibliographique

RevuePerfusion · 2017
Typearticle
Langueen
DomaineMedicine
ThématiquePulmonary Hypertension Research and Treatments
Établissements canadiensHealth Sciences CentreDalhousie UniversityNova Scotia Health Authority
Organismes subventionnairesnon disponible
Mots-clésMedicineCardiopulmonary bypassChronic thromboembolic pulmonary hypertensionPerfusionIntensive care medicineHypothermiaHematocritPerioperativeBlood managementHeparinPulmonary hypertensionAnesthesiaSurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Pulmonary endarterectomy (PEA) is the most effective treatment available for chronic thromboembolic pulmonary hypertension (CTEPH). Patient selection, surgical technique and perioperative management have improved patient outcomes, which are traditionally linked to surgical and center experience. However, optimal perfusion care has not been well defined. The goal of the international survey was to better characterize the contemporary perfusion management of PEA and highlight similarities and controversies. METHOD: The combined caseload of 15 participating centers was 5,066 cases. Topics queried included materials and types of cardiopulmonary bypass (CPB) equipment, choice of prime, fluid management, deep hypothermia strategy, temperature management, treatment of acid-base abnormalities and intraoperative hematocrit as well as anticoagulation management for heparin-induced thrombocytopenia. CONCLUSION: Our assessment could provide a base for further advancement and may help design future studies to elucidate the impact of perfusion in this challenging field.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 GPT0,347
Écart entre enseignants0,294 · 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

Citations5
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePerfusionMême sujetPulmonary Hypertension Research and TreatmentsTravaux en français237 207