Local anaesthetics risks perception: A web-based survey
Notice bibliographique
Résumé
Background The use of local anaesthetics (LAs) is usually associated with few adverse effects, but local anaesthetic systemic toxicity (LAST) can result in serious harm and even death. However, practitioner awareness regarding this risk has been little studied. Methods This was a closed, web-based study carried out at two Swiss university hospitals using a fully automated questionnaire. The main objective was to evaluate LAST awareness and LA use among various medical practitioners. The secondary objective was to determine whether these physicians felt that a tool designed to compute maximum safe LA doses should be developed. Results The overall participation rate was 40.2 % and was higher among anaesthesiologists (154/249, 61.8 % vs 159/530, 30.0 %; P < .001). Anaesthesiologists identified the risk of LAST and the systems involved more frequently than non-anaesthesiologists (85.1 % vs 43.4 %, P < .001). After adjusting for years of clinical experience, age, country of diploma, frequency of LA use, clinical position and being an anaesthesiologist, the only significant associations were this latter factor ( P < .001) and clinical position ( P = .016 for fellows and P = .046 for consultants, respectively). Most respondents supported the development of a tool designed to compute maximum safe LA doses (251/313, 80.2 %) and particularly of a mobile app (190/251, 75.7 %). Conclusions LAST awareness is limited among practitioners who use LAs on a regular basis. Educational interventions should be created, and tools designed to help calculate maximum safe LA doses developed. The actual frequency of unsafe LA doses administration would also deserve further study.
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 | 0,008 |
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 ».