Establishing the Ideal Conditions to Create an Airway Fire Using a Porcine Airway Model
Notice bibliographique
Résumé
Abstract Objective Airway fires are a rare but devastating complication of airway surgery. Although protocols for managing airway fires have been discussed, the ideal conditions for igniting airway fires remain unclear. This study examined the oxygen level required to ignite a fire during a tracheostomy. Study Design Porcine Model. Setting Laboratory. Methods Porcine tracheas were intubated with a 7.5 air‐filled polyvinyl endotracheal tube. A tracheostomy was performed. Monopolar and bipolar cautery were used in independent experiments to assess the ignition capacity. Seven trials were performed for each fraction of inspired oxygen (FiO 2 ): 1.0, 0.9, 0.7, 0.6, 0.5, 0.4, and 0.3. The primary outcome was ignition of a fire. The time was started once the cautery function was turned on. The time was stopped when a flame was produced. Thirty seconds was used as the cut‐off for “no fire.” Results The average time to ignition for monopolar cautery at FiO 2 of 1.0, 0.9, 0.8, 0.7, and 0.6 was found to be 9.9, 6.6, 6.9, 9.6, and 8.4 s, respectively. FiO 2 ≤ 0.5 did not produce a flame. No flame was created using the bipolar device. Dry tissue eschar shortened the time to ignition, whereas moisture in the tissue prolonged the time to ignition. However, these differences were not quantified. Conclusion Dry tissue eschar, monopolar cautery, and FiO 2 ≥ 0.6 are more likely to result in airway fires.
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 | 0,000 |
| 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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».