MétaCan
Menu
Retour à la cohorte
Enregistrement W2904675561 · doi:10.1097/mcc.0000000000000578

Diaphragm-protective mechanical ventilation

2018· review· en· W2904675561 sur OpenAlexaff
Tom Schepens, Martin Dres, Leo Heunks, Ewan C. Goligher

Notice bibliographique

RevueCurrent Opinion in Critical Care · 2018
Typereview
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésDiaphragm (acoustics)MedicineMechanical ventilationVentilation (architecture)Diaphragmatic breathingIntensive care medicineAnesthesiaPathology

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Diaphragm dysfunction is common in mechanically ventilated patients and predisposes them to prolonged ventilator dependence and poor clinical outcomes. Mechanical ventilation is a major cause of diaphragm dysfunction in these patients, raising the possibility that diaphragm dysfunction might be prevented if mechanical ventilation can be optimized to avoid diaphragm injury - a concept referred to as diaphragm-protective ventilation. This review surveys the evidence supporting the concept of diaphragm-protective ventilation and introduces potential routes and challenges to pursuing this strategy. RECENT FINDINGS: Mechanical ventilation can cause diaphragm injury (myotrauma) by a variety of mechanisms. An understanding of these various mechanisms raises the possibility of a new approach to ventilatory management, a diaphragm-protective ventilation strategy. Deranged inspiratory effort is the main mediator of diaphragmatic myotrauma; titrating ventilation to maintain an optimal level of inspiratory effort may help to limit diaphragm dysfunction and accelerate liberation of mechanical ventilation. SUMMARY: Mechanical ventilation can cause diaphragm injury and weakness. A novel diaphragm-protective ventilation strategy, avoiding the harmful effects of both excessive and insufficient inspiratory effort, has the potential to substantially improve outcomes for patients.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · 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
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,338
Tête enseignante GPT0,522
Écart entre enseignants0,184 · 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'étudeRevue systématique
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

Citations78
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

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