Respiratory prehabilitation in pediatric anesthesia in children with muscular and neurologic disease
Notice bibliographique
Résumé
Children with neuromuscular, chronic neurologic, and chest wall diseases are at increased risk of postoperative respiratory complications including atelectasis, pneumonia, and respiratory failure with the possible need for reintubation or even tracheostomy. These complications negatively impact patient outcomes, including increased healthcare resource utilization and increased surgical mortality. In these children, the existing respiratory reserve is often inadequate to withstand the stresses brought on during anesthesia and surgery. A thorough clinical assessment and objective evaluation of pulmonary function and gas exchange can help identify which children are at particular risk for poor postoperative outcomes and thus merit preoperative interventions. These may include initiation and optimization of non-invasive ventilation and mechanical insufflation-exsufflation. Furthermore, such an evaluation will help identify children who may require a postoperative extubation plan tailored to neuromuscular diseases. Such strategies may include avoidance of pre-extubation lung decruitment by precluding continuous positive airway pressure trials, aggressively weaning to room air and directly extubating to non-invasive ventilation with a high inspiratory to expiratory pressure differential of at least 10 cm H20. Children with cerebral palsy and other neurodegenerative or neurodevelopmental disorders are a more heterogeneous group of children who may share some operative risk factors with children with neuromuscular disease; they may also be at risk of sleep-disordered breathing, may also require non-invasive ventilation or mechanical insufflation-exsufflation, and may have associated chronic lung disease from aspirations that may require perioperative treatment.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 | 0,001 | 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 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 ».