Reassessment Campaign on Veterinary Resuscitation (RECOVER) Initiative Small Animal CPR Registry Report 2025
Notice bibliographique
Résumé
OBJECTIVE: To provide an update on data in the RECOVER small animal CPR registry and to describe the cardiopulmonary arrest (CPA) and CPR event data collected since registry implementation in 2016. DESIGN: International, multi-institutional veterinary CPR registry data report. SETTING: Twelve veterinary private practices and 10 university teaching hospitals. ANIMALS: Data from 1207 dogs and 458 cats undergoing CPR entered into the RECOVER CPR registry between February 2016 and January 2025. INTERVENTIONS: The RECOVER CPR registry is a multi-institutional online database designed for the standardized collection of CPA and CPR event data in dogs and cats. Records of all cases entered since its implementation in 2016 were downloaded, and summary data were provided after removing test, duplicate, and incomplete entries. MEASUREMENTS AND MAIN RESULTS: Twenty-two hospitals in North America (73%), Europe (14%), Australia (9%), and Asia (5%) contributed data on 1665 CPR events, which represents a 38% increase in registry contributors and 134% increase in entered cases in the reporting interim. Return of spontaneous circulation (ROSC) was achieved in 470 (28%) animals: 341 (28%) dogs and 129 (28%) cats. Sustained ROSC was observed in 189 (16%) dogs and 77 (17%) cats, and 44 (4%) dogs and 12 (3%) cats survived to discharge. Euthanasia remained the most common cause of death in 72% of dogs and 70% of cats that achieved sustained ROSC but did not survive to discharge. CONCLUSION: The RECOVER CPR registry has grown consistently since inception. Its data have contributed to multiple publications, enhancing our understanding of the epidemiology and outcomes of CPA in dogs and cats. This larger data set further corroborates the finding that good outcomes are infrequent, highly variable by setting (e.g., anesthesia), and influenced by modifiable factors (e.g., euthanasia), underscoring the need for continued large-scale, collaborative studies to identify factors associated with improved survival.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,032 | 0,074 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».