Leveraging pediatric veno-arterial extra corporeal membrane oxygenation parameters to identify early risk factors for mortality
Notice bibliographique
Résumé
ObjectivePediatric Veno-Arterial Extra Corporeal Membrane Oxygenation (VA ECMO) can be a lifesaving technology; however, it is associated with high mortality. A successful VA ECMO course requires attention to multiple aspects of patient care; yet often overlooked are ECMO flow parameters. Early, potentially modifiable, risk factors associated with patient mortality should be scrutinized in patients requiring VA ECMO.MethodRetrospective single center experience of pediatric patients requiring VA ECMO from January 2021 to October 2023. Laboratory and ECMO flow parameters were extracted from the patients record and analyzed. Risk factors were analyzed using a Cox proportion hazard regression, and a multivariate regression.Main ResultsThere were 45 patients studied. Overall survival was 51%. Upon uncorrected analysis there were no significant differences between the patients who survived and those who died during their hospital admission. Utilizing a Cox proportion hazard regression, platelet count, fibrinogen level, and creatinine level normalized to age within the first 24 hours of a patients ECMO course were significant risk factors for hospital mortality. We did not find that ECMO flow parameters were significantly associated with mortality within the first 24 hours.SignificanceAlthough we did not find a significant difference among ECMO flow parameters in this study, this work highlights that granular ECMO flow data can be incorporated to risk analysis profiles and potential modeling in pediatric VA ECMO. This study demonstrated that when controlling for ECMO flow parameters, kidney dysfunction and clotting regulation are associated with pediatric VA ECMO mortality.
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 ».