Oximetry neither to prescribe long-term oxygen therapy nor to screen for severe hypoxaemia
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 and objective Transcutaneous pulse oximetry saturation ( S pO 2 ) is widely used to diagnose severe hypoxaemia and to prescribe long-term oxygen therapy (LTOT) in COPD. This practice is not based on evidence. The primary objective of this study was to determine the accuracy (false positive and false negative rates) of oximetry for prescribing LTOT or for screening for severe hypoxaemia in patients with COPD. Methods In a cross-sectional study, we correlated arterial oxygen saturation ( S aO 2 ) and S pO 2 in patients with COPD and moderate hypoxaemia (n=240) and calculated the false positive and false negative rates of S aO 2 at the threshold of ≤88% to identify severe hypoxaemia (arterial oxygen tension ( P aO 2 ) ≤55 mmHg or P aO 2 <60 mmHg) in 452 patients with COPD with moderate or severe hypoxaemia. Results The correlation between S aO 2 and S pO 2 was only moderate (intra-class coefficient of correlation: 0.43; 95% confidence interval: 0.32–0.53). LTOT would be denied in 40% of truly hypoxaemic patients on the basis of a S aO 2 >88% ( i.e., false negative result). Conversely, LTOT would be prescribed on the basis of a S aO 2 ≤88% in 2% of patients who would not qualify for LTOT ( i.e., false positive result). Using a screening threshold of ≤92%, 5% of severely hypoxaemic patients would not be referred for further evaluation. Conclusions Several patients who qualify for LTOT would be denied treatment using a prescription threshold of saturation ≤88% or a screening threshold of ≤92%. Prescription of LTOT should be based on P aO 2 measurement.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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