Lung Recruitment Assessed by Electrical Impedance Tomography (RECRUIT): A Multicenter Study of COVID-19 Acute Respiratory Distress Syndrome
Notice bibliographique
Résumé
Abstract Rationale Defining lung recruitability is needed for safe positive end-expiratory pressure (PEEP) selection in mechanically ventilated patients. However, there is no simple bedside method including both assessment of recruitability and risks of overdistension as well as personalized PEEP titration. Objectives To describe the range of recruitability using electrical impedance tomography (EIT), effects of PEEP on recruitability, respiratory mechanics and gas exchange, and a method to select optimal EIT-based PEEP. Methods This is the analysis of patients with coronavirus disease (COVID-19) from an ongoing multicenter prospective physiological study including patients with moderate-severe acute respiratory distress syndrome of different causes. EIT, ventilator data, hemodynamics, and arterial blood gases were obtained during PEEP titration maneuvers. EIT-based optimal PEEP was defined as the crossing point of the overdistension and collapse curves during a decremental PEEP trial. Recruitability was defined as the amount of modifiable collapse when increasing PEEP from 6 to 24 cm H2O (ΔCollapse24–6). Patients were classified as low, medium, or high recruiters on the basis of tertiles of ΔCollapse24–6. Measurements and Main Results In 108 patients with COVID-19, recruitability varied from 0.3% to 66.9% and was unrelated to acute respiratory distress syndrome severity. Median EIT-based PEEP differed between groups: 10 versus 13.5 versus 15.5 cm H2O for low versus medium versus high recruitability (P < 0.05). This approach assigned a different PEEP level from the highest compliance approach in 81% of patients. The protocol was well tolerated; in four patients, the PEEP level did not reach 24 cm H2O because of hemodynamic instability. Conclusions Recruitability varies widely among patients with COVID-19. EIT allows personalizing PEEP setting as a compromise between recruitability and overdistension. Clinical trial registered with www.clinicaltrials.gov (NCT04460859).
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».