The PROMIZING trial enrollment algorithm for early identification of patients ready for unassisted breathing
Notice bibliographique
Résumé
Abstract Background Liberating patients from mechanical ventilation (MV) requires a systematic approach. In the context of a clinical trial, we developed a simple algorithm to identify patients who tolerate assisted ventilation but still require ongoing MV to be randomized. We report on the use of this algorithm to screen potential trial participants for enrollment and subsequent randomization in the Proportional Assist Ventilation for Minimizing the Duration of MV (PROMIZING) study. Methods The algorithm included five steps: enrollment criteria, pressure support ventilation (PSV) tolerance trial, weaning criteria, continuous positive airway pressure (CPAP) tolerance trial (0 cmH 2 O during 2 min) and spontaneous breathing trial (SBT): on fraction of inspired oxygen (F i O 2 ) 40% for 30–120 min. Patients who failed the weaning criteria, CPAP Zero trial, or SBT were randomized. We describe the characteristics of patients who were initially enrolled, but passed all steps in the algorithm and consequently were not randomized. Results Among the 374 enrolled patients, 93 (25%) patients passed all five steps. At time of enrollment, most patients were on PSV (87%) with a mean (± standard deviation) F i O 2 of 34 (± 6) %, PSV of 8.7 (± 2.9) cmH 2 O, and positive end-expiratory pressure of 6.1 (± 1.6) cmH 2 O. Minute ventilation was 9.0 (± 3.1) L/min with a respiratory rate of 17.4 (± 4.4) breaths/min. Patients were liberated from MV with a median [interquartile range] delay between initial screening and extubation of 5 [1–49] hours. Only 7 (8%) patients required reintubation. Conclusion The trial algorithm permitted identification of 93 (25%) patients who were ready to extubate, while their clinicians predicted a duration of ventilation higher than 24 h .
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 | 0,000 |
| 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 | 0,000 |
| 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 ».