Optimization of Albuterol Delivery via Anesthesia Bag in Pediatric Critical Care
Notice bibliographique
Résumé
Background/Objectives: Aerosolized medications are common practice for mechanically ventilated pediatric patients. Infants often receive nebulized medications via hand ventilation using an anesthesia bag, but evidence on optimal aerosol delivery with this method is limited. For this study, various configurations of the Mapleson breathing circuit were tested to optimize albuterol delivery to a simulated pediatric model. Methods: Using a simulated pediatric lung model (ASL 5000) with the semi-open Mapleson anesthesia circuit, 2.5 mg/3 mL of albuterol sulfate solution was nebulized to a viral/bacterial filter (Respiguard 202). Four models were compared with varying fresh gas flows (FGFs), small-volume nebulizer (SVN) placements, and adjusting dead space. Five Registered Respiratory Therapists (RRTs) bagged the aerosol into a collection filter following defined ventilation parameters. Each model was tested in random order to avoid fatigue bias. Albuterol concentrations eluted from in-line filters were measured by spectrophotometry (absorbance at 276 nm). Results: No inter-user variability was observed among the RRTs. Significant differences in albuterol recovered were noted between models (One Way ANOVA, Tukey’s post hoc, n = 5). Model 4, with the nebulizer closest to the collecting filter, recovered 21.77 ± 1.89% of albuterol. The standard clinical model was the least effective, with only 0.10 ± 0.17% albuterol recovery. Conclusions: Modifying the anesthesia breathing circuit significantly improved aerosol drug delivery efficiency. Our findings suggest that current clinical practices for nebulized drug delivery are inefficient and can be markedly improved with simple adjustments in nebulizer positioning and gas flow within the circuit.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».