MétaCan
Menu
Retour à la cohorte
Enregistrement W4409680576 · doi:10.2196/71307

Analysis of Risk Factors and Nursing Strategies for Unplanned Extubation in Children: Retrospective Cohort Study

2025· article· en· W4409680576 sur OpenAlexvenueno aff
T Zhang

Notice bibliographique

RevueJMIR Nursing · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueHealthcare Decision-Making and Restraints
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPreprintNursingMedicinePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Background: Unplanned Extubation(UEX) is a critical indicator of nursing quality.Existing research primarily focuses on pediatric intensive care units (PICUs),with limited data from general pediatric surgery.Currently, research on this project is mainly focused on pediatric intensive care units, and there is a lack of general surgical research data. Therefore, project research should be conducted based on this characteristic. OBJECTIVE: Objective: To analyze the high-risk factors for unplanned extubation in children and implement appropriate nursing strategies to reduce its incidence. ensuring clinical safety of pediatric patients. METHODS: Methods: A retrospective study included pediatric patients(January 2018-December 2023)with indwelling catheters in general surgery.Exclusion criteria:mental disorders or abnormal Glasgow Coma Scale scores.Data on catheter days,UEX incidents,and risk factors were analyzed. RESULTS: Results:A total of 1,977 catheter days were recorded during the perioperative period, comprising 1,079 days with urinary catheters, 768 days with postoperative wound drainage tubes, 68 days with gastric tubes, 46 days with peripheral central venous catheters (PCVCs), and 8 days with central venous catheters (CVCs). Among these, 13 incidents of unplanned extubation (UEX) occurred, yielding an overall UEX rate of 6.58 per 1,000 catheter days. Urinary catheters accounted for the highest proportion of UEX incidents (61.5%, 8/13), followed by gastric tubes (23.1%, 3/13) and postoperative wound drainage tubes (15.4%, 2/13). The reintubation rate following UEX was 15.38% (2/13). Further analysis identified significant risk factors associated with UEX: Patient characteristics: Age ≤3 years (61.5%, 8/13) and male gender (76.9%, 10/13) Clinical management: Absence of physical restraints (76.9%, 10/13) Temporal factors: Incidents occurring during holidays (69.2%, 9/13) Multivariate analysis revealed that UEX risk was influenced by interrelated factors, including pediatric physiological characteristics (e.g., limited self-regulation capacity), suboptimal catheter fixation methods, positional discomfort during patient movement, and variations in nursing interventions (e.g., frequency of rounds and caregiver education). CONCLUSIONS: Unplanned extubation (UEX) in pediatric inpatients represents a critical clinical complication that may compromise treatment efficacy and prolong hospitalization. Our findings highlight the multifactorial etiology of UEX events, with risk determinants spanning patient characteristics, care protocols, and environmental factors. To mitigate these risks, we propose implementing evidence-based multidisciplinary preventive strategies, including: 1) Standardized risk assessment protocols for high-risk subgroups (e.g., males ≤3 years), 2) Enhanced staff training on age-appropriate restraint techniques and securement device utilization, 3) Dynamic adjustment of nursing surveillance frequency during peak risk periods (e.g., holidays/postural changes). This systematic approach demonstrates potential to reduce UEX-associated adverse events by 42-68% according to benchmark studies (Author et al., 2023), ultimately improving pediatric care quality.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,034
Score d'incertitude au seuil0,502

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,020
Tête enseignante GPT0,414
Écart entre enseignants0,394 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR NursingMême sujetHealthcare Decision-Making and RestraintsTravaux en français237 207