Implementation of amplitude-integrated electroencephalography in tertiary Canadian Neonatal Intensive Care Units—a longitudinal study
Notice bibliographique
Résumé
AIM: To investigate the implementation of amplitude-integrated electroencephalography (aEEG) as bedside monitoring tool of cerebral function in tertiary Canadian Neonatal Intensive Care Units (NICU) over the past decade. METHODS: Longitudinal study consisting of online surveys of neonatologists on the use of aEEG in 2009 and 2018. RESULTS: The response rate to the survey was 72 of 149 (49%) in 2009 and 18 of 30 (60%) in 2018, respectively. aEEG has been implemented in almost all (2009: 62.5%; 2018: 94%) tertiary Canadian NICUs. Two-thirds (2009: 67%; 2018: 71%) of the respondents considered information from aEEG tracing helpful in clinical practice. The main indications for aEEG were term neonates with hypoxic ischemic encephalopathy (2009 and 2018: 76%) and seizure detection/surveillance (2009: 88%; 2018: 94%). Teaching on aEEG has been implemented for neonatologists (2018: 100%) and health care providers (2018: 50%) in tertiary Canadian NICUs but there is a lack of standardization of training. Use of aEEG in preterm neonates (2009: 37%, 2018: 33%) and application of aEEG in research (18% reported occasional use) is less common. CONCLUSION: aEEG is well established in tertiary Canadian NICUs to monitor cerebral function and detect seizure activity. There is a need to develop formalized aEEG training programs and methods to assess competence. Further implementation of aEEG in preterm neonates and research is desirable.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».