Traqueotomía Percutánea en Reanimación (I): Historia, indicaciones, complicaciones
Bibliographic record
Abstract
Un número importante de los pacientes de las Unidades de Cuidados Críticos y Reanimación precisan de asistencia respiratoria con ventilación mecánica (VM) durante períodos prolongados de tiempo, y cada vez es más frecuente que en estos pacientes se plantee la realización de traqueotomías para proteger las estructuras laríngeas y favorecer el destete. \n \nLa incidencia de traqueostomías en pacientes con ventilación mecánicas prolongada es creciente (en Carolina del Norte (EEUU), Cox y cols. describen un incremento del 200% entre los años 1.993 y 2.002, y en Ontario (Canadá) prevén un aumento del 80% en la necesidad de VM para el 2.026). \n \nLa Traqueotomía Percutánea por Dilatación (TPD) se ha convertido en la técnica de primera elección sobre la traqueotomía quirúrgica convencional en muchos países calculándose que se realiza en más del 15% de los pacientes críticos. \n \nEn España la TPD realizada a pie de cama en Reanimación es una técnica bien establecida, considerándose de primera elección en pacientes críticos, puesto que evita el traslado del paciente al quirófano, además de ser una técnica rápida, sencilla, segura y coste-efectiva aunque no exenta de riesgos.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
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".