MétaCan
Menu
Back to cohort
Record W7066184274

Incidens av hypoxemi och hypotension hos hund under
\nanestesi vid kejsarsnitt : djursjukskötarens roll i förebyggande omvårdnad

2022· other· sv· W7066184274 on OpenAlexaboutno aff

Bibliographic record

VenueEpsilon Archive for Student Projects (University of Southampton) · 2022
Typeother
Languagesv
FieldPhysics and Astronomy
TopicParticle Detector Development and Performance
Canadian institutionsnot available
Fundersnot available
KeywordsBlood pressureSignificant differenceSigns and symptoms
DOInot available

Abstract

fetched live from OpenAlex

Uppskattningsvis 26 % av dräktiga tikar drabbas av dystoki. Åtgärder för dystoki inkluderar \nkejsarsnitt, medicinsk behandling och manuell korrigering. Den bakomliggande orsaken avgör \nlämplig behandling men i 50–65 % av fallen behöver tiken förlösas med kejsarsnitt. Under anestesi \nhar dessa patienter högre risk att drabbas av hypoxemi och hypotension med anledning av den \nförändrade fysiologin vid dräktighet. \nStudiens syfte var att undersöka incidensen av hypoxemi och hypotension vid kejsarsnitt på \nhundar. Ytterligare ett syfte var att undersöka följderna av dessa tillstånd hos tiken samt vilka \nperioperativa omvårdnadsåtgärder som är essentiella för djursjukskötaren att ta hänsyn till. \nStudien utfördes vid Sveriges lantbruksuniversitet (SLU) inom Djursjukskötarprogrammet. En \nretrospektiv journalstudie samt litteraturstudier genomfördes för att besvara frågeställningarna. \nJournaldata samlades in från tikar diagnosticerade med dystoki på SLU Universitetsdjursjukhuset \n(UDS) under perioden 2019–2020. \nStudiepopulationen inkluderade 234 patienter med dystoki varav 62,8 % åtgärdades med \nkejsarsnitt. Vidare framkom att under anestesi vid kejsarsnitt uppträdde hypoxemi för 56,1 % \nrespektive hypotension för 52,2 % av patienterna. Medelvärdet för perifer kapillär syremättnad \n(SpO₂) var 95,8 % (SD±3) och medelvärdet för medelartärtryck (MAP) var 60 mmHg \n(SD±14,3). Dessa resultat bör tolkas med försiktighet då de baseras på ett momentanvärde för \nrespektive patient och parameter. Raserna som var mest förekommande för dystoki i studien var \nfransk bulldog, chihuahua och labrador retriever. Fransk bulldog var rasen med flest utförda \nkejsarsnitt vilket genomfördes i 20 av 22 fall. Hypoxemi och hypotension minskar blodflödet och \nsyretillförseln till kroppens organ och därav även till livmodern och valparna. Följder av dessa \ntillstånd hos tiken kan vara minskad mjölkproduktion, negativ påverkan på organfunktioner och \nhjärtstillestånd. Perioperativa omvårdnadsåtgärder som är väsentliga att implementera innefattar \nbland annat positionering, preoxygenering, snabb intubering och vätsketerapi. \nHypoxemi och hypotension drabbade fler än hälften av alla tikar under anestesin vilket indikerar \natt syremättnad och blodtryck är parametrar som är viktiga för djursjukskötaren att övervaka. \nFörebyggande omvårdnadsåtgärder är även av stor vikt för dessa patienter. Ytterligare studier hade \nbehövts för att undersöka hur hypoxemi och hypotension uppträder under hela anestesiförloppet och \nhuruvida dräktiga tikar drabbas av dessa komplikationer i större utsträckning än icke-dräktiga tikar.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.004
Version: metacan-v3-hybrid-931329e0061cValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.024
Threshold uncertainty score0.079

Distilled classifier scores by category (both heads)

CategoryCodexGemma
Metaresearch0.0010.004
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0020.001
Open science0.0010.002
Research integrity0.0010.002
Insufficient payload (model declined to judge)0.0240.004

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.

Opus teacher head0.020
GPT teacher head0.236
Teacher spread0.216 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2022
Admission routes1
Has abstractyes

Explore more

Same venueEpsilon Archive for Student Projects (University of Southampton)Same topicParticle Detector Development and PerformanceFrench-language works237,207