MétaCan
Menu
Retour à la cohorte
Enregistrement W4399466189 · doi:10.1186/s13613-024-01297-z

Impact of extended lung protection during mechanical ventilation on lung recovery in patients with COVID-19 ARDS: a phase II randomized controlled trial

2024· article· en· W4399466189 sur OpenAlexaff
Eduardo Leite Vieira Costa, Glasiele Alcala, Mauro R. Tucci, Ewan C. Goligher, Caio C. A. Morais, José Dianti, Miyuki A. P. Nakamura, Larissa B. Oliveira, Sérgio M. Pereira, Carlos Toufen, Carmen Sílvia Valente Barbas, Carlos Roberto Ribeiro de Carvalho, Marcelo B. P. Amato

Notice bibliographique

RevueAnnals of Intensive Care · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of TorontoToronto General HospitalSt. Michael's Hospital
Organismes subventionnairesFinanciadora de Estudos e ProjetosFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésARDSMedicineRandomized controlled trialMechanical ventilationLungVentilation (architecture)AnesthesiaClinical endpointAnesthesiologyIntensive careSurgeryIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Protective ventilation seems crucial during early Acute Respiratory Distress Syndrome (ARDS), but the optimal duration of lung protection remains undefined. High driving pressures (ΔP) and excessive patient ventilatory drive may hinder lung recovery, resulting in self-inflicted lung injury. The hidden nature of the ΔP generated by patient effort complicates the situation further. Our study aimed to assess the feasibility of an extended lung protection strategy that includes a stepwise protocol to control the patient ventilatory drive, assessing its impact on lung recovery. We conducted a single-center randomized study on patients with moderate/severe COVID-19-ARDS with low respiratory system compliance (C RS < 0.6 (mL/Kg)/cmH 2 O). The intervention group received a ventilation strategy guided by Electrical Impedance Tomography aimed at minimizing ΔP and patient ventilatory drive. The control group received the ARDSNet low-PEEP strategy. The primary outcome was the modified lung injury score ( m LIS), a composite measure that integrated daily measurements of C RS , along with oxygen requirements, oxygenation, and X-rays up to day 28. The m LIS score was also hierarchically adjusted for survival and extubation rates. The study ended prematurely after three consecutive months without patient enrollment, attributed to the pandemic subsiding. The intention-to-treat analysis included 76 patients, with 37 randomized to the intervention group. The average m LIS score up to 28 days was not different between groups (P = 0.95, primary outcome). However, the intervention group showed a faster improvement in the m LIS (1.4 vs. 7.2 days to reach 63% of maximum improvement; P < 0.001), driven by oxygenation and sustained improvement of X-ray (P = 0.001). The intervention group demonstrated a sustained increase in C RS up to day 28 (P = 0.009) and also experienced a shorter time from randomization to room-air breathing (P = 0.02). Survival at 28 days and time until liberation from the ventilator were not different between groups. The implementation of an individualized PEEP strategy alongside extended lung protection appears viable. Promising secondary outcomes suggested a faster lung recovery, endorsing further examination of this strategy in a larger trial. Clinical trial registration This trial was registered with ClinicalTrials.gov (number NCT04497454) on August 04, 2020.

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)0,003
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai randomisé · Signal consensuel: Essai randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,003
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0050,003
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,034
Tête enseignante GPT0,375
Écart entre enseignants0,341 · 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'étudeEssai randomisé
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

Citations15
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Intensive CareMême sujetRespiratory Support and MechanismsTravaux en français237 207