Continuous pH monitoring using a sensor for the early detection of anastomotic leaks
Notice bibliographique
Résumé
Anastomotic leaks (AL) and staple line leaks are a serious post-operative complication that can develop following bariatric surgery. The delay in the onset of symptoms following a leak usually results in reactive diagnostics and treatment, leading to increased patient morbidity and mortality, and a clinical and economic burden on both the patient and the hospital. Despite support in literature for pH as a biomarker for early detection of AL, the current methods of pH detection require significant clinician involvement and resources. Presented here is a polyaniline (PANI)-based pH sensor that can be connected inline to surgical drains to continuously monitor peritoneal secretion in real time for homeostatic changes in pH. During this study, the baseline peritoneal fluid pH was measured in two pigs using the PANI sensor and verified using a benchtop pH probe. The PANI sensor was then utilized to continuously monitor the changes in the pH of peritoneal effluent, as a gastric leak was simulated. The inline sensors were able to detect the resulting local changes in drainage pH within 10 min of leak induction. The successful implementation of this sensor in clinical practice can both enable high efficiency continuous monitoring of patient status and drastically decrease the time required to detect AL, thus potentially decreasing the clinical and economic burden incurred by gastric leaks.
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 | 0,001 |
| 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».