ASSESSMENT OF HEART RATE USING AUSCULTATION AND ELECTROCARDIOGRAPHY DURING NEONATAL RESUSCITATION IN A PORCINE MODEL OF ASPHYXIA
Notice bibliographique
Résumé
Abstract BACKGROUND Recent neonatal resuscitation guidelines have suggested the potential benefit of introducing Electrocardiography (ECG) to monitor neonatal heart rate (HR) as standard of care for newborns receiving respiratory support in the delivery room due to advantages over auscultation. OBJECTIVES To assess effectiveness of HR detection using either ECG or auscultation. DESIGN/METHODS We reviewed recordings from our piglet neonatal resuscitations to compare an ECG with auscultation for assessing the detection of HR at cardiac arrest. Term newborn piglets (n=41) were anesthetized, intubated, instrumented, and exposed to 40-min normocapnic hypoxia followed by asphyxia, which was achieved by clamping the endotracheal tube until asystole. Asystole was confirmed by using Electrocardiography and auscultation. RESULTS The median (±IQR) duration of asphyxia was 318 (200–560)sec. In 41 piglets both auscultation and ECG HR were assessed. In 11 (27%) cases both auscultation and ECG correctly identified a bradycardic HR (mean (SD) 32(14)/min) at the beginning of chest compression. In 11 (27%) cases both auscultation and ECG correctly identified absent of any HR. However, in 19 (46%) cases auscultation did not detect a HR while ECG did detect a HR. Overall, the Positive Predictive Value was 37%, Negative Predictive Value was 100%, Sensitivity was 100%, and Specificity was 37% for the ECG to display accurate HR during asphyxia in newborn piglets. CONCLUSION Our data illustrates the need for caution in the routine use of ECG monitoring for all neonatal who might need advanced resuscitation in the deliver room.
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 | 0,001 | 0,001 |
| 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 ».