MétaCan
Menu
Retour à la cohorte
Enregistrement W3099907029 · doi:10.14245/ns.2040144.072

Hemodynamic Management of Acute Spinal Cord Injury: A Literature Review

2020· review· en· W3099907029 sur OpenAlexaff
Young‐Seok Lee, Kyoung‐Tae Kim, Brian K. Kwon

Notice bibliographique

RevueNeurospine · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueSpinal Cord Injury Research
Établissements canadiensInternational Collaboration On Repair DiscoveriesVancouver Spine Surgery InstituteUniversity of British Columbia
Organismes subventionnairesMinistry of Science and ICT, South KoreaNational Research Foundation of KoreaNational Research Foundation
Mots-clésHemodynamicsMedicineSpinal cord injurySpinal cordAnesthesiaPsychiatry

Résumé

récupéré en direct d'OpenAlex

The goal of acute spinal cord injury (SCI) management is to reduce secondary injuries and improve neurological recovery after its occurrence. This review aimed to explore the literature regarding hemodynamic management to reduce ischemic secondary injury and improve neurologic outcome following acute SCI. The PubMed database was searched for studies investigating blood flow, mean arterial pressure (MAP), and spinal cord perfusion pressure after SCI. The 2013 guidelines of the American Association of Neurological Surgeons/Congress of Neurological Surgeons recommended maintaining MAP at 85-90 mmHg for 7 days after SCI to potentially improve outcome. However, this recommendation was based on weak evidence for neurologic benefit. The maintenance of MAP will typically require vasopressors, which may have their own set of complications. More recently, studies have suggested the potential importance of considering spinal cord perfusion pressure in addition to the MAP. Further research on the hemodynamic management of acute SCI is required to determine how to optimize neurologic recovery. Evidence-based guidelines for hemodynamic management should acknowledge the gaps in knowledge and the limitations of the current literature.

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)0,006
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 enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,063
Tête enseignante GPT0,455
Écart entre enseignants0,392 · 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

Citations62
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeurospineMême sujetSpinal Cord Injury ResearchTravaux en français237 207