MétaCan
Menu
Retour à la cohorte
Enregistrement W3094594241 · doi:10.1177/1098612x20965830

Feline procedural sedation and analgesia: When, why and how

2020· review· en· W3094594241 sur OpenAlexaff
Bradley T. Simon, Paulo V. Steagall

Notice bibliographique

RevueJournal of Feline Medicine and Surgery · 2020
Typereview
Langueen
DomaineVeterinary
ThématiqueVeterinary Pharmacology and Anesthesia
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineSedationContext (archaeology)Intensive care medicineProtocol (science)RegimenClinical PracticeAnesthesiaSurgeryAlternative medicinePhysical therapy

Résumé

récupéré en direct d'OpenAlex

PRACTICAL RELEVANCE: Procedural sedation and analgesia (PSA) describes the process of depressing a patient's conscious state to perform unpleasant, minimally invasive procedures, and is part of the daily routine in feline medicine. Maintaining cardiopulmonary stability is critical while peforming PSA. CLINICAL CHALLENGES: Decision-making with respect to drug choice and dosage regimen, taking into consideration the cat's health status, behavior, any concomitant diseases and the need for analgesia, represents an everyday challenge in feline practice. While PSA is commonly perceived to be an uneventful procedure, complications may arise, especially when cats that were meant to be sedated are actually anesthetized. AIMS: This clinical article reviews key aspects of PSA in cats while exploring the literature and discussing complications and risk factors. Recommendations are given for patient assessment and preparation, clinical monitoring and fasting protocols, and there is discussion of how PSA protocols may change blood results and diagnostic tests. An overview of, and rationale for, building a PSA protocol, and the advantages and disadvantages of different classes of sedatives and anesthetics, is presented in a clinical context. Finally, injectable drug protocols are reported, supported by an evidence-based approach and clinical experience.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,000
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,168
Tête enseignante GPT0,388
Écart entre enseignants0,220 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations30
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Feline Medicine and SurgeryMême sujetVeterinary Pharmacology and AnesthesiaTravaux en français237 207