A survey of minimally invasive surfactant therapy in Canada
Notice bibliographique
Résumé
Introduction: Minimally invasive surfactant therapy (MIST) can be used to treat neonatal respiratory distress syndrome in neonatal intensive care units (NICUs). Clinical and institutional variances in MIST utilization persist globally with little published research regarding MIST utilization in Canada. Therefore, the objective of this study was to survey MIST utilization in NICUs in Canada. Methods: (CNN) Evidence-based Practice for Improving Quality (EPIQ) Lung Health Group (LHG). Site demographics and surfactant therapy procedural details were categorically collected. Free text and multiple-choice questions were utilized to capture perceived barriers and individual preferences for MIST use. Results: Twenty-eight of 33 participating members of the CNN EPIQ-LHG completed the survey between April 2021 and October 2021 (85%); 17/28 (61%) respondents reported ongoing MIST utilization at their center. Most centers that used MIST techniques administered bovine lipid extract surfactant (68%), commonly using angiocatheters (47%) and purpose-built catheters (41%). MIST was widely used for patients at 26-33 weeks gestational age (88%). Nine centres had never used MIST (32%), and 3 indicated a plan to implement MIST within the next 2 years. Common barriers to MIST use included lack of consensus amongst clinicians (78%), lack of training (56%), and lack of experience with MIST (56%). Conclusion: While MIST is being increasingly used in Canadian NICUs, universal use is yet to be seen. Clinician inexperience and lack of consensus, formal training, and local guidelines contribute to underutilization of MIST. Training workshops, country-wide data collection, and uniform operating protocols are needed to standardize practice.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».