Accuracy of lung and diaphragm ultrasound in predicting successful extubation in extremely preterm infants: A prospective observational study
Notice bibliographique
Résumé
OBJECTIVE: Chest ultrasound has emerged as a promising tool in predicting extubation readiness in adults and children, yet its utility in preterm infants is lacking. Our aim was to assess the utility of lung ultrasound severity score (LUSS) and diaphragmatic function in predicting extubation readiness in extremely preterm infants. STUDY DESIGN: In this prospective cohort study, preterm infants < 28 weeks gestational age (GA) who received invasive mechanical ventilation for ≥12 h were enrolled. Chest ultrasound was performed before extubation. The primary outcome was lung ultrasound accuracy for predicting successful extubation at 3 days. Descriptive statistics and logistic regression were done using SPSS version 22. RESULTS: We enrolled 45 infants, of whom 36 (80%) were successfully extubated. GA and postmenstrual age (PMA) at extubation were significantly higher in the successful group. The LUSS was significantly lower in the successful group compared to failed group (11.9 ± 3.2 vs. 19.1 ± 3.1 p < 0.001). The two groups had no statistically significant difference in diaphragmatic excursion or diaphragmatic thickness fraction. Logistic regression analysis controlling for GA and PMA at extubation showed LUSS was an independent predictor for successful extubation (odd ratio 0.46, 95% confidence interval [0.23-0.9], p = 0.02). The area under the receiver operating characteristic curve was 0.95 (p ˂ 0.001) for LUSS, and a cut-off value of ≥15 had 95% sensitivity and 85% specificity in detecting extubation failure. CONCLUSION: In extremely preterm infants, lung ultrasound has good accuracy for predicting successful extubation. However, diaphragmatic measurements were not reliable predictors.
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 | 0,001 | 0,004 |
| 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 ».