Unplanned Extubations Requiring Reintubation in Pediatric Critical Care: An Epidemiological Study
Notice bibliographique
Résumé
OBJECTIVES: Unplanned extubations are an infrequent but life-threatening adverse event in pediatric critical care. Due to the rarity of these events, previous studies have been small, limiting the generalizability of findings and the ability to detect associations. Our objectives were to describe unplanned extubations and explore predictors of unplanned extubation requiring reintubation in PICUs. DESIGN: Retrospective observational study and multilevel regression model. SETTING: PICUs participating in Virtual Pediatric Systems (LLC). PATIENTS: Patients (≤ 18 yr) who had an unplanned extubation in PICU (2012-2020). INTERVENTIONS: None. MEASUREMENTS AND MAIN RESULTS: We developed and trained a multilevel least absolute shrinkage and selection operator (LASSO) logistic regression model in the 2012-2016 sample that accounted for between-PICU variations as a random effect to predict reintubation after unplanned extubation. The remaining sample (2017-2020) was used to externally validate the model. Predictors included age, weight, sex, primary diagnosis, admission type, and readmission status. Model calibration and discriminatory performance were evaluated using Hosmer-Lemeshow goodness-of-fit (HL-GOF) and area under the receiver operating characteristic curve (AUROC), respectively. Of the 5,703 patients included, 1,661 (29.1%) required reintubation. Variables associated with increased risk of reintubation were age (< 2 yr; odds ratio [OR], 1.5; 95% CI, 1.1-1.9) and diagnosis (respiratory; OR, 1.3; 95% CI, 1.1-1.6). Scheduled admission was associated with decreased risk of reintubation (OR, 0.7; 95% CI, 0.6-0.9). With LASSO (lambda = 0.011), remaining variables were age, weight, diagnosis, and scheduled admission. The predictors resulted in AUROC of 0.59 (95% CI, 0.57-0.61); HL-GOF showed the model was well calibrated (p = 0.88). The model performed similarly in external validation (AUROC, 0.58; 95% CI, 0.56-0.61). CONCLUSIONS: Predictors associated with increased risk of reintubation included age and respiratory primary diagnosis. Including clinical factors (e.g., oxygen and ventilatory requirements at the time of unplanned extubation) in the model may increase predictive ability.
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 | 0,003 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».