MétaCan
Menu
← Retour à la cohorte
Enregistrement W4387982381 · doi:10.1183/13993003.congress-2023.pa504

Effectiveness assessment of oscillating positive expiratory pressure (OPEP) devices: Using a clinically relevant laboratory measure

2023· article· en· W4387982381 sur OpenAlexaff
Jason Suggett, Rob Costa

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMedicine
ThématiqueInhalation and Respiratory Drug Delivery
Établissements canadiensTrudell Medical International (Canada)
Organismes subventionnairesnon disponible
Mots-clésExhalationBiomedical engineeringMedicineBreathingPositive pressureMaterials scienceAcousticsAnesthesiaPhysics

Résumé

récupéré en direct d'OpenAlex

Rationale: OPEP devices are used for airway clearance where excess mucus is a challenge, such as in bronchiectasis, CF and COPD. The mechanism of device action can differ greatly between different devices and therefore a clinically relevant laboratory metric such as the one utilised in this study can provide additional insights into likely differences in effectiveness. Methods: Aerobika* (TMI), AirPhysio (AirPhysio), Flutter (Allergan), Acapella (ICU Medical) and RC Cornet Plus (Cegla) OPEP devices (n=3) were assessed at their highest resistance setting, utilising simulated OPEP expiratory breathing patterns at various different peak expiratory flows (PEFs), using a pressure wave generator. The total pressure pulse impact (TPPI), calculated as the sum of pressure pulse amplitudes for all discernable pulses (> 1.0 cm H2O) in a single exhalation, was determined for each pattern and each device. Results: see figure Discussion / Conclusions: The different mechanisms of OPEP device function appear to significantly impact the extent to which the pressure pulses are generated. The Aerobika* OPEP device had the largest TPPI values at all PEFs, while the two devices with metal ball mechanism had the lowest. Such differences highlight the risk of assuming that all devices will perform the same therapeutically and the importance of reviewing clinical efficacy and real-life usability.

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)0,006
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,041
Tête enseignante GPT0,367
Écart entre enseignants0,326 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetInhalation and Respiratory Drug Delivery→Travaux en français237 207→