Patient barrier acceptance during airway management among anesthesiologists: a simulation pilot study
Notice bibliographique
Résumé
BACKGROUND: Protection of healthcare providers (HCP) has been a serious challenge in the management of patients during the coronavirus 2019 (COVID-19) pandemic. Additional physical barriers have been created to enhance personal protective equipment (PPE). In this study, user acceptability of two novel barriers was evaluated and the performance of airway management using PPE alone versus PPE plus the additional barrier were compared. METHODS: An open-label, double-armed simulation pilot study was conducted. Each participant performed bag-mask ventilation and endotracheal intubation using a GlideScope in two scenarios: 1) PPE donned, followed by 2) PPE donned plus the addition of either the isolation chamber (IC) or aerosol box (AB). Endotracheal intubation using videolaryngoscopy was timed. Participants completed pre- and post-simulation questionnaires. RESULTS: Twenty-nine participants from the Department of Anesthesia were included in the study. Pre- and post-simulation questionnaire responses supported the acceptance of additional barriers. There was no significant difference in intubating times across all groups (PPE vs. IC 95% CI, 26.3, 35.1; PPE vs. AB 95% CI, 25.9, 35.5; IC vs. AB 95% CI, 23.6, 39.1). Comparison of post-simulation questionnaire responses between IC and AB showed no significant difference. Participants did not find the additional barriers negatively affected communication, visualization, or maneuverability. CONCLUSIONS: Overall, the IC and AB were comparable, and there was no negative impact on performance under testing conditions. Our study suggests the positive acceptance of additional patient protection barriers by anesthesia providers during airway management.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».