Impact of High-Flow Nasal Cannula Use in Subjects With COVID-19 ARDS at High Altitudes: Clinical Presentation and Prognostic Factors
Notice bibliographique
Résumé
BACKGROUND: High-flow nasal cannula (HFNC) reduces the need for intubation in adult subject with acute respiratory failure. Changes in hypobaric hypoxemia have not been studied for subject with an HFNC in ICUs at altitudes > 2,600 m above sea level. In this study, we investigated the efficacy of HFNC treatment in subjects with COVID-19 at high altitudes. We hypothesized that progressive hypoxemia and the increase in breathing frequency associated with COVID-19 in high altitudes affect the success of HFNC therapy and may also influence the performance of the traditionally used predictors of success and failure. METHODS: This was a prospective cohort study of subjects >18 y with a confirmed diagnosis of COVID-19-induced ARDS requiring HFNC who were admitted to the ICU. Subjects were followed up during the 28 d of HFNC treatment or until failure. RESULTS: delivery between 0.5-0.8 (odds ratio 0.38 [95% CI 0.17-0.84]) was associated with a better response to HFNC therapy than oxygen delivery on admission between 0.8-1.0 (odds ratio 3.58 [95% CI 1.56-8.22]). This relationship continued during follow-ups at 2, 6, 12, and 24 h, with a progressive increase in the risk of failure (odds ratio 24 h 13.99 [95% CI 4.32-45.26]). A new cutoff for the ratio of oxygen saturation (ROX) index (ROX ≥ 4.88) after 24 h of HFNC administration was demonstrated to be the best predictor of success (odds ratio 11.0 [95% CI 3.3-47.0]). CONCLUSIONS: requirements were > 0.8 after 24 h of treatment. In these subjects, personalized management should include continuous monitoring of individual clinical conditions (such as oxygenation indices, with cutoffs adapted to those corresponding to high-altitude cities).
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».