MétaCan
Menu
Retour à la cohorte
Enregistrement W4317567767 · doi:10.1097/ccm.0000000000005739

Methodological and Clinimetric Evaluation of Inspiratory Respiratory Muscle Ultrasound in the Critical Care Setting: A Systematic Review and Meta-Analysis

2023· review· en· W4317567767 sur OpenAlexaff
Dominic Truong, Shaza Abo, Georgina A. Whish‐Wilson, Aruska N. D’Souza, Lisa Beach, Sunita Mathur, Kirby P. Mayer, George Ntoumenopoulos, Claire Baldwin, Doa El‐Ansary, Michael T. Paris, Marina Mourtzakis, Peter E. Morris, Amy M. Pastva, Catherine L. Granger, Selina M. Parry, Aarti Sarwal

Notice bibliographique

RevueCritical Care Medicine · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of WaterlooWestern UniversityQueen's University
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Institute on AgingNational Institute on Minority Health and Health DisparitiesAmerican Thoracic SocietyIntensive Care SocietyBiogenNational Institutes of HealthAmerican Institute of Ultrasound in Medicine
Mots-clésMedicineUltrasoundIntercostal muscleDiaphragm (acoustics)Erector spinae musclesRadiologyNuclear medicineRespiratory systemInternal medicinePhysical medicine and rehabilitationElectromyography

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Significant variations exist in the use of respiratory muscle ultrasound in intensive care with no society-level consensus on the optimal methodology. This systematic review aims to evaluate, synthesize, and compare the clinimetric properties of different image acquisition and analysis methodologies. DATA SOURCES: Systematic search of five databases up to November 24, 2021. STUDY SELECTION: Studies were included if they enrolled at least 50 adult ICU patients, reported respiratory muscle (diaphragm or intercostal) ultrasound measuring either echotexture, muscle thickness, thickening fraction, or excursion, and evaluated at least one clinimetric property. Two independent reviewers assessed titles, abstracts, and full text against eligibility. DATA EXTRACTION: Study demographics, ultrasound methodologies, and clinimetric data. DATA SYNTHESIS: Sixty studies, including 5,025 patients, were included with 39 studies contributing to meta-analyses. Most commonly measured was diaphragm thickness (DT) or diaphragm thickening fraction (DTF) using a linear transducer in B-mode, or diaphragm excursion (DE) using a curvilinear transducer in M-mode. There are significant variations in imaging methodology and acquisition across all studies. Inter- and intrarater measurement reliabilities were generally excellent, with the highest reliability reported for DT (ICC, 0.98; 95% CI, 0.94-0.99). Pooled data demonstrated acceptable to excellent accuracy for DT, DTF, and DE to predicting weaning outcome after 48 to 72 hours postextubation (DTF AUC, 0.79; 95% CI, 0.73-0.85). DT imaging was responsive to change over time. Only three eligible studies were available for intercostal muscles. Intercostal thickening fraction was shown to have excellent accuracy of predicting weaning outcome after 48-hour postextubation (AUC, 0.84; 95% CI, 0.78-0.91). CONCLUSIONS: Diaphragm muscle ultrasound is reliable, valid, and responsive in ICU patients, but significant variation exists in the imaging acquisition and analysis methodologies. Future work should focus on developing standardized protocols for ultrasound imaging and consider further research into the role of intercostal muscle imaging.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,082
score de la tête « metaresearch » (Gemma)0,207
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,082
Score d'incertitude au seuil0,434

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0820,207
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0200,032
Bibliométrie0,0100,012
Études des sciences et des technologies0,0010,002
Communication savante0,0060,003
Science ouverte0,0040,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,638
Tête enseignante GPT0,562
Écart entre enseignants0,076 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
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

Citations32
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetRespiratory Support and MechanismsTravaux en français237 207