Emergency airway management in the prone position: an observational mannequin-based simulation study
Notice bibliographique
Résumé
INTRODUCTION: Accidental extubation during prone position can be a life-threatening emergency requiring rapid establishment of the airway. However, there is limited evidence of the best airway rescue method for this potentially catastrophic emergency. The aim of this study was to determine the most effective method to recover the airway in case of accidental extubation during prone positioning by comparing three techniques (supraglottic airway, video laryngoscopy, and fiber-optic bronchoscopy) in a simulated environment. METHODS: Eleven anesthesiologists and 12 anesthesia fellows performed the simulated airway management using 3 different techniques on a mannequin positioned prone in head pins. Time required for definitive airway management and the success rates were measured. RESULTS: The success rates of airway rescue were 100% with the supraglottic airway device (SAD), 69.6% with the video laryngoscope (CMAC), and 91.3% with the FOB. The mean (SD) time to insertion was 18.1 (4.8) s for the supraglottic airway, 78.3 (32.0) s for the CMAC, and 57.3 (24.6) s for the FOB. There were significant differences in the time required for definitive airway management between the SAD and FOB (t = 5.79, p < 0.001, 95% CI = 25.92-52.38), the SAD and CMAC (t = 8.90, p < 0.001, 95% CI = 46.93-73.40), and the FOB and CMAC (t = 3.11, p = 0.003, 95% CI = 7.78-34.25). CONCLUSION: The results of this simulation-based study suggest that the SAD I-gel is the best technique to manage accidental extubation during prone position by establishing a temporary airway with excellent success rate and shorter procedure time. When comparing techniques for securing a definitive airway, the FOB was more successful than the CMAC.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».