MétaCan
Menu
Retour à la cohorte
Enregistrement W2889676659 · doi:10.1055/s-0038-1669442

Survey of Ventilation Practices in the Neonatal Intensive Care Units of the United States and Canada: Use of Volume-Targeted Ventilation and Barriers to Its Use

2018· article· en· W2889676659 sur OpenAlexaboutno aff
Ashish Gupta, Martin Keszler

Notice bibliographique

RevueAmerican Journal of Perinatology · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueNeonatal Respiratory Health Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineVentilation (architecture)Cross-sectional studyIntensive careEmergency medicineIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Objective To provide current data on ventilation practices and use of volume-targeted ventilation (VTV) in neonatal intensive care units of the United States and Canada, to identify the perceived barriers to the implementation of VTV, and to assess the knowledge base of appropriate initial tidal volume (VT ) settings for different hypothetical clinical scenarios. Study Design This was a cross-sectional online survey of individual neonatologists practicing in the United States and Canada. Results We received 387 responses (estimated response rate: ∼20%). Use of VTV was much higher in Canada (81%) compared with 39% in the United States. In the United States, VTV use is highest in the Northwest at 77% and lowest in the Northeast at 32.5%. The chief barrier to use of VTV was lack of knowledge about VTV and lack of appropriate equipment. The five clinical scenarios revealed that the majority of responders failed to select appropriate evidence-based VT for the specific scenario. Conclusion Pressure-controlled ventilation remains the predominant approach to neonatal ventilation in the United States, while VTV is the preferred mode in Canada. Despite available data and important pathophysiological differences between patients, there is insufficient understanding of how to choose an appropriate VT in a variety of common clinical scenarios among users of VTV.

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)0,007
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 enseignants0,028
Score d'incertitude au seuil0,107

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,073
Tête enseignante GPT0,367
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

Citations36
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of PerinatologyMême sujetNeonatal Respiratory Health ResearchTravaux en français237 207