MétaCan
Menu
Retour à la cohorte
Enregistrement W4400879055 · doi:10.2196/52278

Factors Influencing Neuromuscular Blockade Reversal Choice in the United States Before and During the COVID-19 Pandemic: Retrospective Longitudinal Analysis

2024· article· en· W4400879055 sur OpenAlexvenueno aff
Vladimir Turzhitsky, Lori D. Bash, Richard D. Urman, Michael W. Kattan, Ira Hofer

Notice bibliographique

RevueJMIR Perioperative Medicine · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueAnesthesia and Sedative Agents
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPandemicSugammadexMedicineNeuromuscular BlockadeCoronavirus disease 2019 (COVID-19)Retrospective cohort studyHealth careLongitudinal studyAnesthesiaInternal medicineDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Neuromuscular blockade (NMB) agents are a critical component of balanced anesthesia. NMB reversal methods can include spontaneous reversal, sugammadex, or neostigmine and the choice of reversal strategy can depend on various factors. Unanticipated changes to clinical practice emerged due to the COVID-19 pandemic, and a better understanding of how NMB reversal trends were affected by the pandemic may help provide insight into how providers view the tradeoffs in the choice of NMB reversal agents. OBJECTIVE: We aim to analyze NMB reversal agent use patterns for US adult inpatient surgeries before and after the COVID-19 outbreak to determine whether pandemic-related practice changes affected use trends. METHODS: A retrospective longitudinal analysis of a large all-payer national electronic US health care database (PINC AI Healthcare Database) was conducted to identify the use patterns of NMB reversal during early, middle, and late COVID-19 (EC, MC, and LC, respectively) time periods. Factors associated with NMB reversal choices in inpatient surgeries were assessed before and after the COVID-19 pandemic reached the United States. Multivariate logistic regression assessed the impact of the pandemic on NMB reversal, accounting for patient, clinical, procedural, and site characteristics. A counterfactual framework was used to understand if patient characteristics affected how COVID-19-era patients would have been treated before the pandemic. RESULTS: >0.99). Multivariate analysis showed that the post-COVID-19 time periods had a small but statistically significant effect on the trend, as measured by the interaction terms of the COVID-19 time periods and the time trend in NMB reversal. A slight increase in the likelihood of sugammadex reversal was observed during EC relative to the pre-COVID-19 trend (odds ratio [OR] 1.008, 95% CI 1.003-1.014; P=.003), followed by negation of that increase during MC (OR 0.992, 95% CI 0.987-0.997; P<.001), and no significant interaction identified during LC (OR 1.001, 95% CI 0.996-1.005; P=.81). Conversely, active reversal (using either sugammadex or neostigmine) did not show a significant association relative to spontaneous reversal, or a change in trend, during EC or MC (P>.05), though a slight decrease in the active reversal trend was observed during LC (OR 0.987, 95% CI 0.983-0.992; P<.001). CONCLUSIONS: We observed a steady increase in NMB active reversal overall, and specifically with sugammadex compared to neostigmine, during periods before and after the COVID-19 outbreak. Small, transitory alterations in the NMB reversal trends were observed during the height of the COVID-19 pandemic, though these alterations were independent of the underlying NMB reversal time trends.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,061
Score d'incertitude au seuil0,610

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,054
Tête enseignante GPT0,352
Écart entre enseignants0,299 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Perioperative MedicineMême sujetAnesthesia and Sedative AgentsTravaux en français237 207