MétaCan
Menu
Retour à la cohorte
Enregistrement W2896220381 · doi:10.21037/jtd.2018.10.05

Optimal management of postoperative parenchymal air leaks

2018· review· en· W2896220381 sur OpenAlexaff
Daniel French, Madelaine Plourde, Harry Henteleff, Aneil Mujoomdar, Drew Bethune

Notice bibliographique

RevueJournal of Thoracic Disease · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueAirway Management and Intubation Techniques
Établissements canadiensQueen Elizabeth II Health Sciences CentreDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineSuctionSurgeryDrainageLeakEnvironmental scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Air leaks are the most common complication after pulmonary resection. Enhanced recovery after surgery (ERAS) programs must be designed to manage parenchymal air leaks. ERAS programs should consider two components when creating protocols for air leaks: assessment and management. Accurate assessment of air leaks using traditional analogues devices, newer digital drainage systems, portable devices and chest X-rays (CXR) are reviewed. Published data suggests that digital drainage systems result in a more confident assessment of air leaks. The literature regarding the management of postoperative air leaks, including the number of chest tubes, the role of applied external suction, invasive maneuvers and discharge with a portable device is reviewed. The key findings are that a single chest drain is adequate in the majority of cases to manage an air leak, the use of applied external suction is unlikely to prevent or prolong an air leak, autologous blood patch pleurodesis may potentially shorten postoperative air leaks and there is sufficient data to support that patients can safely be discharged with a portable drainage system. There is also literature to support the design of protocols for management of postoperative air leaks. Standardization of postoperative care through ERAS programs will allow for the design of larger RCTs to better understand some of the controversies around the management of postoperative air leaks.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,903
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,051
Tête enseignante GPT0,417
Écart entre enseignants0,366 · 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 tête enseignante, pas un consensus.

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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Thoracic DiseaseMême sujetAirway Management and Intubation TechniquesTravaux en français237 207