Incidence, impact and indicators of difficult intubations in the neonatal intensive care unit: a report from the National Emergency Airway Registry for Neonates
Notice bibliographique
Résumé
OBJECTIVE: To determine the incidence, indicators and clinical impact of difficult tracheal intubations in the neonatal intensive care unit (NICU). DESIGN: Retrospective review of prospectively collected data on intubations performed in the NICU from the National Emergency Airway Registry for Neonates. SETTING: Ten academic NICUs. PATIENTS: Neonates intubated in the NICU at each of the sites between October 2014 and March 2017. MAIN OUTCOME MEASURES: Difficult intubation was defined as one requiring three or more attempts by a non-resident provider. Patient (age, weight and bedside predictors of difficult intubation), practice (intubation method and medications used), provider (training level and profession) and outcome data (intubation attempts, adverse events and oxygen desaturations) were collected for each intubation. RESULTS: Out of 2009 tracheal intubations, 276 (14%) met the definition of difficult intubation. Difficult intubations were more common in neonates <32 weeks, <1500 g. The difficult intubation group had a 4.9 odds ratio (OR) for experiencing an adverse event and a 4.2 OR for severe oxygen desaturation. Bedside screening tests of difficult intubation lacked sensitivity (receiver operator curve 0.47-0.53). CONCLUSIONS: Difficult intubations are common in the NICU and are associated with adverse event and severe oxygen desaturation. Difficult intubations occur more commonly in small preterm infants. The occurrence of a difficult intubation in other neonates is hard to predict due to the lack of sensitivity of bedside screening tests.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».