Processed Electroencephalogram-Based Monitoring to Guide Sedation in Critically Ill Patients: A Systematic Review and International Expert Panel-Based Consensus Recommendations
Notice bibliographique
Résumé
Abstract BackgroundThe literature related to the use of processed EEG (pEEG) for depth of sedation (DOS) monitoring is increasing, however it is unclear how to use this type of monitoring for critical care patients within the intensive care unit (ICU).MethodsWe performed a systematic review of the literature according to the Grade of Recommendation assessment, Development, and Evaluation (GRADE) approach. The modified Delphi method was utilised by a team of experts to produce statements and recommendations derived from study questions. Three separate online rounds discussing 89 statements categorized into four domains were formulated. The panelists rated the appropriateness of each statement and were able to suggest modifications or addition of statements. An analysis of anonymised ratings of the statements by part of the panel followed each Delphi round and previously validated criteria were used to define appropriateness and consensus.ResultsLevel of evidence regarding the four domains was very low. Fourteen panelists participated in the Delphi rounds and consensus was reached for 28 out of 89 statements, from which the reccomendations were created. The main findings were that DOS monitoring should be performed in critically ill patients whenever clinical evaluation is not possible, it should be performed by continuous pEEG techniques and the resulting data depicted with graphical tools to facilitate detection of excessive sedation, a potential cause of burst-suppression, and finally, structured training is suggested to achieve a basic pEEG competency.ConclusionsAlthough evidence on using DOS monitors in ICU is scarce and further research is required in order to better define the benefits of using pEEG, the results of this consensus highlight the general agreement that critically-ill patients would benefit from this type of neuromonitoring.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,128 | 0,230 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,009 | 0,013 |
| Bibliométrie | 0,020 | 0,009 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,007 | 0,006 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».