MétaCan
Menu
Retour à la cohorte
Enregistrement W4311148084 · doi:10.1016/j.cjca.2022.11.015

Emerging Applications of Extracardiac Ultrasound in Critically Ill Cardiac Patients

2022· review· en· W4311148084 sur OpenAlexaffvenue
Martin Girard, Jean Deschamps, Saad Razzaq, Nicolas Lavoie, André Denault, William Beaubien‐Souligny

Notice bibliographique

RevueCanadian Journal of Cardiology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueUltrasound in Clinical Applications
Établissements canadiensMontreal Heart InstituteMcGill UniversityCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésMedicineUltrasoundRadiologyCritically illModalitiesContrast-enhanced ultrasoundElastographyModality (human–computer interaction)Intensive care medicineMedical physicsArtificial intelligenceComputer science

Résumé

récupéré en direct d'OpenAlex

Point-of-care ultrasound has evolved as an invaluable diagnostic modality and procedural guidance tool in the care of critically ill cardiac patients. Beyond focused cardiac ultrasound, additional extracardiac ultrasound modalities may provide important information at the bedside. In addition to new uses of existing modalities, such as pulsed-wave Doppler ultrasound, the development of new applications is fostered by the implementation of additional features in mid-range ultrasound machines commonly acquired for intensive care units, such as tissue elastography, speckle tracking, and contrast-enhanced ultrasound quantification software. This review explores several areas in which ultrasound imaging technology may transform care in the future. First, we review how lung ultrasound in mechanically ventilated patients can enable the personalization of ventilator parameters and help to liberate them from mechanical ventilation. Second, we review the role of venous Doppler in the assessment of organ congestion and how tissue elastography may complement this application. Finally, we explore how contrast-enhanced ultrasound could be used to assess changes in organ perfusion.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,988
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,358
Écart entre enseignants0,316 · 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 tête enseignante, pas un consensus.

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

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of CardiologyMême sujetUltrasound in Clinical ApplicationsTravaux en français237 207