MétaCan
Menu
Retour à la cohorte
Enregistrement W3111327294 · doi:10.3390/brainsci11070874

Cerebral Hemodynamics and Intracranial Compliance Impairment in Critically Ill COVID-19 Patients: A Pilot Study

2021· article· en· W3111327294 sur OpenAlexaff
Sérgio Brasil, Fabio Silvio Taccone, Sâmia Yasin Wayhs, Bruno Martins Tomazini, Filippo Annoni, Sérgio César da Fonseca, Estêvão Bassi, Bruno Lucena, Ricardo de Carvalho Nogueira, Marcelo de Lima Oliveira, Edson Bor‐Seng‐Shu, Wellingson Silva Paiva, Alexis F. Turgeon, Manoel Jacobsen Teixeira, Luíz Marcelo Sá Malbouisson

Notice bibliographique

RevueBrain Sciences · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésHemodynamicsMedicineCompliance (psychology)Intracranial pressureCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Critically illInternal medicineCardiology2019-20 coronavirus outbreakIntensive care medicineAnesthesiaPsychologyPathologyDisease

Résumé

récupéré en direct d'OpenAlex

Introduction: One of the possible mechanisms by which the new coronavirus (SARS-Cov2) could induce brain damage is the impairment of cerebrovascular hemodynamics (CVH) and intracranial compliance (ICC) due to the elevation of intracranial pressure (ICP). The main objective of this study was to assess the presence of CVH and ICC alterations in patients with COVID-19 and evaluate their association with short-term clinical outcomes. Methods: Fifty consecutive critically ill COVID-19 patients were studied with transcranial Doppler (TCD) and non-invasive monitoring of ICC. Subjects were included upon ICU admission; CVH was evaluated using mean flow velocities in the middle cerebral arteries (mCBFV), pulsatility index (PI), and estimated cerebral perfusion pressure (eCPP), while ICC was assessed by using the P2/P1 ratio of the non-invasive ICP curve. A CVH/ICC score was computed using all these variables. The primary composite outcome was unsuccessful in weaning from respiratory support or death on day 7 (defined as UO). Results: At the first assessment (n = 50), only the P2/P1 ratio (median 1.20 [IQRs 1.00–1.28] vs. 1.00 [0.88–1.16]; p = 0.03) and eICP (14 [11–25] vs. 11 [7–15] mmHg; p = 0.01) were significantly higher among patients with an unfavorable outcome (UO) than others. Patients with UO had a significantly higher CVH/ICC score (9 [8–12] vs. 6 [5–7]; p < 0.001) than those with a favorable outcome; the area under the receiver operating curve (AUROC) for CVH/ICC score to predict UO was 0.86 (95% CIs 0.75–0.97); a score > 8.5 had 63 (46–77)% sensitivity and 87 (62–97)% specificity to predict UO. For those patients undergoing a second assessment (n = 29), after a median of 11 (5–31) days, all measured variables were similar between the two time-points. No differences in the measured variables between ICU non-survivors (n = 30) and survivors were observed. Conclusions: ICC impairment and CVH disturbances are often present in COVID-19 severe illness and could accurately predict an early poor outcome.

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)0,001
score de la tête « metaresearch » (Gemma)0,011
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,036
Tête enseignante GPT0,354
Écart entre enseignants0,318 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations39
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetLong-Term Effects of COVID-19Travaux en français237 207