Is Video Laryngoscopy the Optimal Tool for Successful Intubation in a Neonatal Simulation Setting? A Single-Center Experience
Notice bibliographique
Résumé
Abstract Background Endotracheal intubation is a skill required for resuscitation. Due to various reasons, intubation opportunities are decreasing for health care providers. Objective To compare the success rate of video laryngoscopy (VL) and direct laryngoscopy (DL) for interprofessional neonatal intubation skills in a simulated setting. Methods This was a prospective nonrandomized simulation crossover trial. Twenty-six participants were divided into three groups based on their frequency of intubation. Group 1 included pediatric residents; group 2 respiratory therapists and transport nurses; and group 3 neonatal nurse practitioners and physicians working in neonatology. We compared intubation success rate, intubation time, and laryngoscope preference. Results Success rates were 100% for both DL and VL in groups 1 and 2, and 88.9% for DL and 100% for VL in group 3. Median intubation times for DL and VL were 22 seconds (interquartile range [IQR] 14.3–22.8 seconds) and 12.5 seconds (IQR 10.3–38.8 seconds) in group 1 (p = 0.779); 17 seconds (IQR 8–21 seconds) and 12 seconds (IQR 9–16.5 seconds) in group 2 (p = 0.476); and 11 seconds (IQR 7.5–15.5 seconds) and 15 seconds (IQR 11.5–36 seconds) in group 3 (p = 0.024). Conclusion We conclude that novice providers tend to perform better with VL, while more experienced providers perform better with DL. In this era of decreased clinical training opportunities, VL may serve as a useful tool to teach residents and other novice health care providers.
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 ».