MétaCan
Menu
← Retour à la cohorte
Enregistrement W4246580967 · doi:10.22541/au.160157488.87605331

Predictors of Longitudinal Outcomes for Children Using Long-term Non-invasive Ventilation

2020· preprint· en· W4246580967 sur OpenAlexaffabout
Prabhjot K. Bedi, Kristie DeHaan, Joanna E. MacLean, M. Castro Codesal

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMedicineDiscontinuationContinuous positive airway pressureBronchopulmonary dysplasiaPediatricsIntensive care medicineVentilation (architecture)Retrospective cohort studyMechanical ventilationObstructive sleep apneaAnesthesiaInternal medicineGestational age

Résumé

récupéré en direct d'OpenAlex

Background: Non-invasive ventilation (NIV) is a first-line therapy for sleep-related breathing disorders and chronic respiratory insufficiency. Evidence about predictors that may impact long-term NIV outcomes, however, is scarce. The aim of this study is to determine demographic, clinical, and technology-related predictors of long-term NIV outcomes. Methods: A ten-year multi-centred retrospective review of children started on long-term continuous or bilevel positive airway pressure (CPAP, BPAP) in Alberta. Demographic, technology-related, and longitudinal clinical data was collected. Long-term outcomes examined included ongoing NIV use, discontinuation due to improvement in underlying condition, switch to invasive mechanical ventilation (IMV) or death, patient/family therapy declination, transfer of services, and hospital admissions. Results: 622 children were included. Both younger age and CPAP use predicted higher likelihood for NIV discontinuation due to improvement in underlying conditions. Children with upper airway disorders or bronchopulmonary dysplasia were less likely to require NIV continuation while presence of central nervous system (CNS) disorders resulted in higher likelihood of hospitalizations and switch to IMV or death. The presence of obesity/metabolic syndrome and early NIV-associated complications predicted higher risk for NIV declination. Children with more co-morbidities or use of additional therapies required more hospitalizations and the latter also predicted higher risk to be switched to IMV or death. Conclusions: Demographic, clinical data, and NIV type impact long-term NIV outcomes and need to be considered during the initial discussions about therapy expectations with families. Knowledge of factors that may impact long-term NIV outcomes might help to better monitor at-risk patients and minimize adverse outcomes.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,061
Tête enseignante GPT0,332
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même sujetRespiratory Support and Mechanisms→Travaux en français237 207→