Emergence delirium in children: a Brazilian survey
Notice bibliographique
Résumé
BACKGROUND: Pediatric emergence delirium is characterized by a disturbance of a child's awareness during the early postoperative period that manifests as disorientation, altered attention and perception. The incidence of emergence delirium varies between 18% and 80% depending on risk factors and how it is measured. Reports from Canada, Germany, Italy, United Kingdom, and France demonstrated a wide range of preventive measures and definitions, indicating that there is a lack of clarity regarding emergence delirium. We aimed to assess the practices and beliefs among Brazilian anesthesiologists regarding emergence delirium. METHODS: A web-based survey was developed using REDCap®. A link and QR Code were sent by email to all Brazilian anesthesiologists associated with the Brazilian Society of Anesthesiology (SBA). RESULTS: We collected 671 completed questionnaires. The majority of respondents (97%) considered emergence delirium a relevant adverse event. Thirty-two percent of respondents reported routinely administrating medication to prevent emergence delirium, with clonidine (16%) and propofol (15%) being the most commonly prescribed medications. More than 70% of respondents reported a high level of patient and parent anxiety, a previous history of emergence delirium, and untreated pain as risk factors for emergence delirium. Regarding treatment, thirty-five percent of respondents reported using propofol, followed by midazolam (26%). CONCLUSION: Although most respondents considered emergence delirium a relevant adverse event, only one-third of them routinely applied preventive measures. Clonidine and propofol were the first choices for pharmacological prevention. For treatment, propofol and midazolam were the most commonly prescribed medications.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».