MétaCan
Menu
Retour à la cohorte
Enregistrement W4281738670 · doi:10.1097/aco.0000000000001128

Safe in the first attempt: teaching neonatal airway management

2022· review· en· W4281738670 sur OpenAlexaff
Annery G. García‐Marcinkiewicz, Clyde Matava

Notice bibliographique

RevueCurrent Opinion in Anaesthesiology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueAirway Management and Intubation Techniques
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineAirwayAirway managementIntensive care medicineIntubationTracheal intubationVentilation (architecture)PopulationAnesthesia

Résumé

récupéré en direct d'OpenAlex

PURPOSE OF REVIEW: Quick and precise facemask ventilation and tracheal intubation are critical clinical skills in neonatal airway management. In addition, this vulnerable population requires a thorough understanding of developmental airway anatomy and respiratory physiology to manage and anticipate potential airway mishaps. Neonates have greater oxygen consumption, increased minute ventilation relative to functional residual capacity, and increased closing volumes compared to older children and adults. After a missed airway attempt, this combination can quickly lead to dire consequences, such as cardiac arrest. Keeping neonates safe throughout the first attempt of airway management is key. RECENT FINDINGS: Several techniques and practices have evolved to improve neonatal airway management, including improvement in neonatal airway equipment, provision of passive oxygenation, and closer attention to the management of anesthetic depth. The role of nontechnical skills during airway management is receiving more recognition. SUMMARY: Every neonatal intubation should be considered a critical event. Below we discuss some of the challenges in neonatal airway management, including anatomical and physiological principles which must be understood to approach the airway. We then follow with a description of current evidence for best practices and training.

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)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,021

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,002

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.

Tête enseignante Opus0,115
Tête enseignante GPT0,404
Écart entre enseignants0,289 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in AnaesthesiologyMême sujetAirway Management and Intubation TechniquesTravaux en français237 207