Variation in Practice Related to the Use of High Flow Nasal Cannula in Critically Ill Children
Notice bibliographique
Résumé
OBJECTIVES: To determine current management of critically ill children and gather views regarding high flow nasal cannula therapy and to evaluate research priorities for a large prospective randomized controlled trial of noninvasive respiratory support in children. DESIGN: Multinational cross-sectional questionnaire survey conducted in 2018. SETTING: The sample included pediatric intensive care physicians in North and South America, Asia, Europe, and Australia/New Zealand. MEASUREMENT: Questions consisted of: 1) characteristics of intensivists and hospital, 2) practice of high flow nasal cannula, 3) supportive treatment, and 4) research of high flow nasal cannula. INTERVENTIONS: None. MAIN RESULTS: We collected data from 1,031 respondents; 919 (North America, 215; Australia/New Zealand, 34; Asia, 203; South America, 186; Europe, 281) were analyzed. Sixty-nine percent of the respondents used high flow nasal cannula in non-PICU settings in their institutions. For a case of bronchiolitis/pneumonia infant, 2 L/kg/min of initial flow rate was the most commonly used. For a scenario of pneumonia with 30 kg weight, more than 60% of the respondents initiated flow based on patient body weight; while, 18% applied a fixed flow rate. Noninvasive ventilation was considered as a next step in more than 85% of respondents when the patient is failing with high flow nasal cannula. Significant practice variations were observed in clinical practice markers used, flow weaning strategy, and supportive practices. Views comparing high flow nasal cannula to continuous positive airway pressure also noticeably varied across the respondents. CONCLUSIONS: Significant practice variations including views of high flow nasal cannula compared to continuous positive airway pressure was found among pediatric intensive care physicians. To expedite establishment and standardization of high flow nasal cannula practice, research aimed at understanding the heterogeneity found in this study should be undertaken.
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 | 0,004 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».