MétaCan
Menu
Retour à la cohorte
Enregistrement W2916692120 · doi:10.1136/injuryprevention-2018-safety.702

PW 2333 Efficacy of head and torso rewarming using a human model for severe hypothermia

2018· article· en· W2916692120 sur OpenAlexaffabout
Kartik Kulkarni, Ramesh Dutta, Sandra C. Webber, Steven Passmore, Gordon G. Giesbrecht

Notice bibliographique

RevueAbstracts · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueThermal Regulation in Medicine
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésTorsoShiveringHypothermiaCore temperatureAnesthesiaMedicineAnatomy

Résumé

récupéré en direct d'OpenAlex

Objective To evaluate the rewarming effectiveness of the same amount of heat, using a charcoal heater, donated to the head or torso while using a human model for severe hypothermia where shivering is pharmacologically inhibited in mildly hypothermic subjects. Methods Six male subjects were cooled on three different occasions each, in 8°C water, for 60 min or to a core temperature of 35°C. Shivering was inhibited by intravenous meperidine (1.5 mg/kg), administered during the last ten minutes of the cold-water immersion. Subjects then exited from the cold-water immersion and then were rewarmed for 120 min by one of the following: spontaneous rewarming only; charcoal heater on the head; or charcoal heater on the torso. Supplemental meperidine (maximum cumulative dose of 3.3 mg/kg) was administered as required during rewarming to suppress shivering. Results No significant differences were found in the afterdrop amount or core rewarming rates among the three conditions. 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 to Spontaneous condition (56.9±12 W) (p<0.05). Conclusions In our study, Head and torso warming had the same core rewarming rates in a human model for severe hypothermia where shivering was pharmacologically inhibited in mildly hypothermic subjects. In non-shivering cold subjects, head warming is a viable alternative if torso warming is contraindicated. Funding NSERC, Canada.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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 recherche0,0000,001
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 Opus0,087
Tête enseignante GPT0,380
Écart entre enseignants0,293 · 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'étudeExpérimental (laboratoire)
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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAbstractsMême sujetThermal Regulation in MedicineTravaux en français237 207