MétaCan
Menu
Retour à la cohorte
Enregistrement W4376225613 · doi:10.1177/14799731231176301

Long-term mechanical ventilation and transitions in care: A narrative review

2023· review· en· W4376225613 sur OpenAlexaff
Lena Xiao, Reshma Amin, Mika Nonoyama

Notice bibliographique

RevueChronic Respiratory Disease · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensOntario Tech UniversitySickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicineNarrative reviewTerm (time)Intensive care medicineNarrativeMechanical ventilationGerontologyAnesthesiaLiterature

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Individuals dependent on long-term mechanical ventilation (LTMV) for their day-to-day living are a heterogenous population who go through several transitions over their lifetime. This paper describes three transitions: 1) institution/hospital to community/home, 2) pediatric to adult care, and 3) active treatment to end-of-life for ventilator-assisted individuals (VAIs). METHODS: A narrative review based on literature and the author's collective practical and research experience. Four online databases were searched for relevant articles. A manual search for additional articles was completed and the results are summarized. RESULTS: Transitions from hospital to home, pediatric to adult care, and to end-of-life for VAIs are complex and challenging processes. Although there are several LTMV clinical practice guidelines highlighting key components for successful transition, there still exists gaps and inconsistencies in care. Most of the literature and experiences reported to date have been in developed countries or geographic areas with funded healthcare systems. CONCLUSIONS: For successful transitions, the VAIs and their support network must be front-and-center. There should be a coordinated, systematic, and holistic plan (including a multi-disciplinary team), life-time follow-up, with bespoke consideration of jurisdiction and individual circumstances.

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)0,002
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,080
Tête enseignante GPT0,399
Écart entre enseignants0,320 · 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'étudeSans objet
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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChronic Respiratory DiseaseMême sujetRespiratory Support and MechanismsTravaux en français237 207