MétaCan
Menu
Retour à la cohorte
Enregistrement W4391428190 · doi:10.1111/anae.16222

Predicting time to asystole following withdrawal of life‐sustaining treatment: a systematic review

2024· review· en· W4391428190 sur OpenAlexaff
Caroline Nicolson, Ann S. Burke, Dale Gardiner, Daniel Harvey, Laveena Munshi, M. Shaw, Athanasios Tsanas, Nazir Lone, Kathryn Puxty

Notice bibliographique

RevueAnaesthesia · 2024
Typereview
Langueen
DomaineMedicine
ThématiqueOrgan Donation and Transplantation
Établissements canadiensSinai Health SystemUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésAsystoleMedicineIntensive care medicineIntensive care unitIntensive careMEDLINEData extractionPredictive validityEmergency medicineAnesthesia

Résumé

récupéré en direct d'OpenAlex

The planned withdrawal of life-sustaining treatment is a common practice in the intensive care unit for patients where ongoing organ support is recognised to be futile. Predicting the time to asystole following withdrawal of life-sustaining treatment is crucial for setting expectations, resource utilisation and identifying patients suitable for organ donation after circulatory death. This systematic review evaluates the literature for variables associated with, and predictive models for, time to asystole in patients managed on intensive care units. We conducted a comprehensive structured search of the MEDLINE and Embase databases. Studies evaluating patients managed on adult intensive care units undergoing withdrawal of life-sustaining treatment with recorded time to asystole were included. Data extraction and PROBAST quality assessment were performed and a narrative summary of the literature was provided. Twenty-three studies (7387 patients) met the inclusion criteria. Variables associated with imminent asystole (<60 min) included: deteriorating oxygenation; absence of corneal reflexes; absence of a cough reflex; blood pressure; use of vasopressors; and use of comfort medications. We identified a total of 20 unique predictive models using a wide range of variables and techniques. Many of these models also underwent secondary validation in further studies or were adapted to develop new models. This review identifies variables associated with time to asystole following withdrawal of life-sustaining treatment and summarises existing predictive models. Although several predictive models have been developed, their generalisability and performance varied. Further research and validation are needed to improve the accuracy and widespread adoption of predictive models for patients managed in intensive care units who may be eligible to donate organs following their diagnosis of death by circulatory criteria.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,020
Tête enseignante GPT0,316
Écart entre enseignants0,296 · 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 tête enseignante, pas un consensus.

Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations6
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnaesthesiaMême sujetOrgan Donation and TransplantationTravaux en français237 207