International Survey of High-Flow Nasal Therapy Use for Respiratory Failure in Adult Patients
Notice bibliographique
Résumé
(1) Background: High-flow nasal therapy (HFNT) has shown several benefits in addressing respiratory failure. However, the quality of evidence and the guidance for safe practice are lacking. This survey aimed to understand HFNT practice and the needs of the clinical community to support safe practice. (2) Method: A survey questionnaire was developed and distributed to relevant healthcare professionals through national networks in the UK, USA and Canada; responses were collected between October 2020 and April 2021. (3) Results: In the UK and Canada, HFNT was used in 95% of hospitals, with the highest use being in the emergency department. HNFT was widely used outside of a critical care setting. HFNT was mostly used to treat acute type 1 respiratory failure (98%), followed by acute type 2 respiratory failure and chronic respiratory failure. Guideline development was felt to be important (96%) and urgent (81%). Auditing of practice was lacking in 71% of hospitals. In the USA, HFNT was broadly similar to UK and Canadian practice. (4) Conclusions: The survey results reveal several key points: (a) HFNT is used in clinical conditions with limited evidence; (b) there is a lack of auditing; (c) it is used in wards that may not have the appropriate skill mix; and (d) there is a lack of guidance for HFNT use.
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,002 | 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 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 ».