MétaCan
Menu
Retour à la cohorte
Enregistrement W4413107127 · doi:10.1097/aln.0000000000005608

Cardiac Output Measurement and Reporting: More Than Just Going with the Flow

2025· article· en· W4413107127 sur OpenAlexaff
Michael R. Mathis, Duminda N. Wijeysundera, Martin J. London

Notice bibliographique

RevueAnesthesiology · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueHemodynamic Monitoring and Therapy
Établissements canadiensSt. Michael's Hospital
Organismes subventionnairesNational Heart, Lung, and Blood Institute
Mots-clésMedicineCardiac outputCardiologyHemodynamics

Résumé

récupéré en direct d'OpenAlex

Few clinicians would challenge the notion that maintenance of an adequate cardiac output to support end-organ perfusion is a critical component of safe perioperative care.Yet, the multiplicity of technologies promoted to measure cardiac output, how to judge the quality of such approaches, and how far to extend evidence derived from one measurement modality to another greatly complicate generalization of research to the bedside.These issues underpin the challenges and shortcomings of efforts to determine the clinical effectiveness of goaldirected hemodynamic therapies commonly involving optimizing cardiac output. 1 As a result, inconsistencies in cardiac output measurement methods and reporting pose serious challenges to the quality of health research.In this issue of the Journal, Saugel and colleagues address these escalating challenges of rigor and reproducibility by comparing varied methods of cardiac output monitoring and reporting of research results and proposing a new framework for reporting of such results.2 Developed through a consensus process drawing from an expert group of anesthesiologists, critical care physicians, and biostatisticians, the statistiCal analysis and repOrting of cardiac output Method comPARison studiEs (COMPARE) statement lays welcome groundwork for understanding the degree to which findings from a particular study using a given cardiac output monitoring method may be comparable to another study reporting on a different method.Key components include adopting elements from evolving reporting statements aimed at enhancing the quality and transparency of health research, 3,4 as well as nuances specific to cardiac output monitoring that have frequently been under-reported or absent in earlier studies.Such nuances include the working principles and technical details of the cardiac output measurement method as well as the timing (and, importantly, trending, the

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)0,032
score de la tête « metaresearch » (Gemma)0,100
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,968
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,100
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,004
Communication savante0,0080,015
Science ouverte0,0020,003
Intégrité de la recherche0,0030,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,049
Tête enseignante GPT0,304
Écart entre enseignants0,254 · 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.

Devis d'étudeThéorique ou conceptuel
DomainePrésentation des résultats
GenreMéthodes

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 présentnon

Explorer davantage

Même revueAnesthesiologyMême sujetHemodynamic Monitoring and TherapyTravaux en français237 207