Comment, en pratique clinique, évaluer la force musculaire du patient de réanimation ?
Bibliographic record
Abstract
Les patients séjournant en réanimation développent fréquemment une faiblesse musculaire touchant les muscles des membres ainsi que les muscles respiratoires. Des difficultés de sevrage de la ventilation mécanique, une augmentation de la durée de séjour en réanimation et à l’hôpital ainsi qu’une diminution de la qualité de vie et des capacités physiques à long terme sont les conséquences attendues et bien décrites de la faiblesse musculaire. L’évaluation de la force musculaire semble nécessaire pour dépister le développement d’une faiblesse musculaire, la quantifier, pour adapter les exercices aux capacités des patients et pour évaluer les effets des traitements. Ceci explique l’intérêt suscité à développer des outils objectifs, fiables et sensibles pour mesurer la force musculaire en réanimation. Néanmoins, plusieurs facteurs peuvent altérer la qualité des mesures et rendre leur interprétation parfois complexe. Cet article décrit et discute les différents tests de mesure de force musculaire, des membres et du système respiratoire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.029 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.004 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.004 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".