Tracheostomy in critically ill patients with SARS 2 COVID-19 infection: a prospective observational multi-center study of shortand long-term outcomes
Notice bibliographique
Résumé
Background We report the characteristics, timing, and factors related to the decision to perform a tracheostomy in patients with confirmed COVID-19 infection admitted to eight Italian intensive care units (ICUs). Materials and methods Prospective observational cohort study of patients with COVID-19 disease on mechanical ventilation. Long-term functional impairment (up to 180 days' post-hospital discharge) was assessed using the Karnofsky scale. Kaplan--Meier analysis assessed differences in survival and freedom from tracheostomy in relation to ICU stay. Cox regression model was used to assess which variables impacted on tracheostomy as a categorical outcome. Results A total of 248 patients were recruited in the eight participating ICUs. Patients undergoing tracheostomy (n = 128) had longer ICU (25 (18--36) vs. 10 (7--16), P = 0.001) and hospital (37 (26.5--50) vs. 19 (8.5--34.5) P = 0.02) stays. ICU and hospital mortality of patients tracheostomized was 34% and 37%, respectively. Cumulative survival Kaplan--Meier analysis documented improved survival rates in patients undergoing tracheostomy (Log-Rank, Mantel--Cox = 4.8, P = 0.028). Median Karnofsky scale values improved over time but were similar between survivors receiving or not receiving tracheostomy. No healthcare worker involved in the tracheostomy procedure developed COVID-19 infection during the study period. Conclusions Patients with COVID-19 infection who underwent tracheostomy had a better cumulative survival but similar long-term functional outcomes at 30, 60, and 180 days after hospital discharge.
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 | 0,000 |
| 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 ».