Mechanical ventilation and outcomes in COVID-19 patients admitted to intensive care unit in a low-resources setting: A retrospective study
Notice bibliographique
Résumé
Objective: To describe the strategies and outcomes of mechanical ventilation in a poorly equipped facility. Methods: This retrospective descriptive study included patients with COVID-19 who were admitted to the intensive care unit (ICU) and mechanically ventilated between September 1, 2020, and May 31, 2021. Data were collected from medical records and databases. Results: 54 Patients aged (62.9±13.3) years were included. Among these cases, 79.6% had at least one comorbidity. On admission, all patients had hypoxia. The median peripheral oxygen saturation in room air was 76% (61%, 83%). Non-invasive ventilation (NIV) was performed in 75.9% of the patients, and invasive mechanical ventilation (IMV) in 68.5%. IMV was performed on patients due to severe coma (8.1%), failure of standard oxygen therapy (27.0%), and failure of NIV (64.9%). An arterial blood gas test was performed in 14.8% of the patients. NIV failed in 90.2% of cases and succeeded in 9.8%. IMV was successful in 5.4% of cases, vs . 94.6% of mortality. The overall mortality rate of patients on ventilation in the ICU was 88.9%. The causes of death included severe respiratory distress syndrome (85.2%), multiple organ failure (14.8%), and pulmonary embolism (13.0%). Conclusions: The ventilation management of COVID-19 patients in the ICU with NIV and IMV in a scarce resource setting is associated with a high mortality rate. Shortcomings are identified in ventilation strategies, protocols, and monitoring. Required improvements were also proposed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».