Orotracheal intubation incorporating aerosol-mitigating strategies by anaesthesiologists, intensivists and emergency physicians: a simulation study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Orotracheal intubation (OTI) can result in aerosolisation leading to an increased risk of infection for healthcare providers, a key concern during the COVID-19 pandemic. Objective: This study aimed to evaluate the OTI time and success rate of two aerosol-mitigating strategies under direct laryngoscopy and videolaryngoscopy performed by anaesthesiologists, intensive care physicians and emergency physicians who were voluntarily recruited for OTI in an airway simulation model. Methodology: The outcomes were successful OTI, degree of airway visualisation and time required for OTI. Not using a stylet during OTI reduced the success rate among non-anaesthesiologists and increased the time required for intubation, regardless of the laryngoscopy device used. Results: Success rates were similar among physicians from different specialties during OTI using videolaryngoscopy with a stylet. The time required for successful OTI by intensive care and emergency physicians using videolaryngoscopy with a stylet was longer compared with anaesthesiologists using the same technique. Videolaryngoscopy increased the time required for OTI among intensive care physicians compared with direct laryngoscopy. The aerosol-mitigating strategy under direct laryngoscopy with stylet did not increase the time required for intubation, nor did it interfere with OTI success, regardless of the specialty of the performing physician. Conclusions: The use of a stylet within the endotracheal tube, especially for non-anaesthesiologists, had an impact on OTI success rates and decreased procedural time.
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.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle