MétaCan
Menu
Retour à la cohorte
Enregistrement W2885640557 · doi:10.2147/lra.s154512

Local anesthetic systemic toxicity: current perspectives

2018· review· en· W2885640557 sur OpenAlexaff
Kariem El‐Boghdadly, Amit Pawa, Ki Jinn Chin

Notice bibliographique

RevueLocal and Regional Anesthesia · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueAnesthesia and Pain Management
Établissements canadiensToronto Western HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineIntensive care medicineAnestheticLocal anestheticPharmacotherapyDrugAdverse effectAnesthesiaPharmacologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Local anesthetic systemic toxicity (LAST) is a life-threatening adverse event that may occur after the administration of local anesthetic drugs through a variety of routes. Increasing use of local anesthetic techniques in various healthcare settings makes contemporary understanding of LAST highly relevant. Recent data have demonstrated that the underlying mechanisms of LAST are multifactorial, with diverse cellular effects in the central nervous system and cardiovascular system. Although neurological presentation is most common, LAST often presents atypically, and one-fifth of the reported cases present with isolated cardiovascular disturbance. There are several risk factors that are associated with the drug used and the administration technique. LAST can be mitigated by targeting the modifiable risk factors, including the use of ultrasound for regional anesthetic techniques and restricting drug dosage. There have been significant developments in our understanding of LAST treatment. Key advances include early administration of lipid emulsion therapy, prompt seizure management, and careful selection of cardiovascular supportive pharmacotherapy. Cognizance of the mechanisms, risk factors, prevention, and therapy of LAST is vital to any practitioner using local anesthetic drugs in their clinical practice.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,042
Tête enseignante GPT0,305
Écart entre enseignants0,263 · 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

Citations510
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLocal and Regional AnesthesiaMême sujetAnesthesia and Pain ManagementTravaux en français237 207