MétaCan
Menu
Retour à la cohorte
Enregistrement W3045114279 · doi:10.29390/cjrt-2020-002

Go with the flow—clinical importance of flow curves during mechanical ventilation: A narrative review

2020· review· en· W3045114279 sur OpenAlexvenueno aff
Natsumi Hamahata, Ryota Sato, Ehab Daoud

Notice bibliographique

RevueCanadian Journal of Respiratory Therapy · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMechanical ventilationMedicineFlow (mathematics)AirwayVentilation (architecture)Mechanical ventilatorIntensive care medicineComputer scienceMechanicsMechanical engineeringAnesthesiaEngineeringPhysics

Résumé

récupéré en direct d'OpenAlex

Most clinicians pay attention to tidal volume and airway pressures and their curves during mechanical ventilation. On the other hand, inspiratory-expiratory flow curves also provide a plethora of information, but much less attention is paid to them. Flow curves chronologically show the velocity and direction of inspiration and expiration and are influenced by the respiratory mechanics, the patient's effort, and the mode of ventilation and its settings. When the ventilator setting does not synchronize with the patient's respiratory pattern, the patient can easily have worsening breathing effort, patient-ventilator asynchrony, which can lead to prolonged ventilator support or lung injury. The information provided by the flow curves during mechanical ventilation, such as respiratory mechanics, the patient's effort, and patient-ventilator interactions, are very helpful when adjusting the ventilator setting. If clinicians can monitor and assess the flow curves information appropriately, it can be a useful diagnostic and therapeutic tool at the bedside. There may be association between inspiratory effort and flow, and this may further guide us, especially in the weaning process and when patients are not synchronizing with the ventilator. In this review, we try to gather information about "flow" that is scattered around in the literature and textbooks in one place. We will summarize the different flow waveforms utilized in commonly used ventilator modes with their advantages and disadvantages, information gained by the flow curves (i.e., flow-time, flow-volume, and flow-pressure), how to detect and manage asynchronies, and some ideas for future uses. Flow waveforms shapes and patterns are very beneficial for the management of patients undergoing mechanical ventilatory support. Attention to those waveforms can potentially improve patient outcomes. Clinicians should be familiar with this information and how to act upon them.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,888
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,093
Tête enseignante GPT0,372
Écart entre enseignants0,279 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Respiratory TherapyMême sujetRespiratory Support and MechanismsTravaux en français237 207