MétaCan
Menu
Retour à la cohorte
Enregistrement W2795039277 · doi:10.1097/mcc.0000000000000494

Esophageal pressure monitoring: why, when and how?

2018· review· en· W2795039277 sur OpenAlexaff
Takeshi Yoshida, Laurent Brochard

Notice bibliographique

RevueCurrent Opinion in Critical Care · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésTranspulmonary pressureMedicineMechanical ventilationAnesthesiaPlateau pressureLungCardiologyInternal medicineLung volumesARDS

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Esophageal manometry has shown its usefulness to estimate transpulmonary pressure, that is lung stress, and the intensity of spontaneous effort in patients with acute respiratory distress syndrome. However, clinical uptake of esophageal manometry in ICU is still low. Thus, the purpose of review is to describe technical tips to adequately measure esophageal pressure at the bedside, and then update the most important clinical applications of esophageal manometry in ICU. RECENT FINDINGS: Each esophageal balloon has its own nonstressed volume and it should be calibrated properly to measure pleural pressure accurately: transpulmonary pressure calculated on absolute esophageal pressure reflects values in the lung regions adjacent to the esophageal balloon (i.e. dependent to middle lung). Inspiratory transpulmonary pressure calculated from airway plateau pressure and the chest wall to respiratory system elastance ratio reasonably reflects lung stress in the nondependent 'baby' lung, at highest risk of hyperinflation. Also esophageal pressure can be used to detect and minimize patient self-inflicted lung injury. SUMMARY: Esophageal manometry is not a complicated technique. There is a large potential to improve clinical outcome in patients with acute respiratory distress syndrome, acting as an early detector of risk of lung injury from mechanical ventilation and vigorous spontaneous effort.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,295
Tête enseignante GPT0,488
Écart entre enseignants0,193 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations50
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Critical CareMême sujetRespiratory Support and MechanismsTravaux en français237 207