Prediction of weaning readiness off nasal CPAP in preterm infants using point‐of‐care lung ultrasound
Notice bibliographique
Résumé
This study's primary aim was to assess whether end-expiratory lung ultrasound severity score (expLUSsc) at Day 3 of life, the second week of life, and before weaning off nasal continuous positive airway pressure (nCPAP) can predict the weaning readiness off nCPAP trial in preterm infants. The secondary aim was to evaluate the value of adding lung tidal recruitment (LTR) to expLUSsc (expLUSsc-plus-LTR) to improve predictability. We conducted a prospective study on premature infants <33 weeks of gestation. Point-of-care lung ultrasound (POC-LUS) was performed on Day 3, the second week of life, before and after the trial off nCPAP. expLUSsc, pleural thickness, and LTR were assessed. A receiver operator curve was constructed to evaluate the ability of POC-LUS to predict the weaning readiness off nCPAP. A total of 148 studies were performed on 39 infants, of them 12 weaned off nCPAP from the first trial and 27 infants failed attempts off nCPAP. An expLUSsc cut-off 8 before the first trial of weaning off nCPAP has a sensitivity and specificity of 88% and 90%, and positive and negative predictive values of 87% and 92%, respectively, with area under the curve (AUC) was 0.87 (CI: 0.8-0.93), p < .0001. If LTR is added to an expLUSsc cut-off 8 (expLUSsc-plus-LTR) before the first trial of weaning, then sensitivity and specificity of 95% and 90%, and positive and negative predictive values of 88% and 90%, respectively, with AUC was 0.95 (CI: 0.91-0.99), p < .0001. In conclusion, this study demonstrated the ability of POC-LUS to predict the weaning readiness off nCPAP in premature infants. The use of this simple bedside noninvasive test can potentially avoid the exposure of premature infants to multiple unsuccessful weaning cycles.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».