MétaCan
Menu
Retour à la cohorte
Enregistrement W2914456269 · doi:10.1016/j.wem.2018.11.005

Efficacy of Head and Torso Rewarming Using a Human Model for Severe Hypothermia

2019· article· en· W2914456269 sur OpenAlexafffund
Kartik Kulkarni, Erik Hildahl, Ramesh Dutta, Sandra C. Webber, Steven Passmore, Gerren K. McDonald, Gordon G. Giesbrecht

Notice bibliographique

RevueWilderness and Environmental Medicine · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueThermal Regulation in Medicine
Établissements canadiensUniversity of WinnipegUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaUniversity of Manitoba
Mots-clésTorsoShiveringHypothermiaMedicineAnesthesiaCore temperatureCore (optical fiber)Head (geology)Materials scienceAnatomyGeology

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: To evaluate the rewarming effectiveness of a similar amount of heat (from a charcoal heater) applied to either the head or torso in a human model for severe hypothermia in which shivering is pharmacologically inhibited in mildly hypothermic subjects. METHODS: ) was administered as required during rewarming to suppress shivering. RESULTS: ). During the last 30 min of rewarming the net heat gain was significantly higher in the head (85.8±25.3 W) and torso (81.5±6.3 W) conditions compared with the spontaneous condition (56.9±12 W) (P<0.05). CONCLUSIONS: In our study, head and torso warming had the same core rewarming rates when shivering was pharmacologically inhibited in mildly hypothermic subjects. Therefore, in nonshivering cold subjects, head warming is a viable alternative if torso warming is contraindicated (eg, when performing cardiopulmonary resuscitation or working on open chest wounds).

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,782
Score d'incertitude au seuil0,536

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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 Opus0,033
Tête enseignante GPT0,298
Écart entre enseignants0,266 · 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.

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

Citations9
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWilderness and Environmental MedicineMême sujetThermal Regulation in MedicineTravaux en français237 207