Reconfiguring the scope and practice of regional anesthesia in a pandemic: the COVID-19 perspective
Notice bibliographique
Résumé
The COVID-19 outbreak is on the world. While many countries have imposed general lockdown, emergency services are continuing. Healthcare professionals have been infected with the virulent severe acute respiratory syndrome coronavirus-2 (SARS), which spreads by close contact and aerosols. The anesthesiologist is particularly vulnerable to aerosols while performing intubation and other airway related procedures. Regional anesthesia (RA) minimizes the need for airway manipulation and the risks of cross infection to other patients, and the healthcare personnel. In this context, for prioritizing RA over general anesthesia, wherever possible, a structured algorithmic approach is outlined. The role of percentage saturation of hemoglobin with oxygen (oxygen saturation), blood pressure and early use of point-of-care ultrasound in differential diagnosis and specific management is detailed. The perioperative anesthetic implications of multisystem manifestations of COVID-19, anesthetic management options, the scope of RA and considerations for its safe conduct in operating rooms is described. An outline for safe and rapid training of healthcare personnel, with an Entrustable Professional Activity framework for ascertaining the practice readiness among trained residents for RA in COVID-19, is suggested. These are the authors' experiences gained from the current pandemic and similar SARS, Middle East Respiratory Syndrome and influenza outbreaks in recent past faced by our authors in Singapore, India, Hong Kong and 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 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 | 0,007 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».