Your browser doesn't support javascript.
loading
Montrer: 20 | 50 | 100
Résultats 1 - 3 de 3
Filtrer
Plus de filtres








Gamme d'année
1.
Online braz. j. nurs. (Online) ; Online braz. j. nurs. (Online);23(supl.1): e20246684, 08 jan 2024. ilus
Article de Anglais, Portugais | LILACS, BDENF | ID: biblio-1531097

RÉSUMÉ

OBJETIVO: Verificar qual o tratamento mais indicado para a prevenção e redução dos sinais e sintomas de abstinência em crianças criticamente doentes por meio de uma revisão sistemática da literatura mundial. MÉTODO: A revisão sistemática será conduzida conforme a metodologia PRISMA e Cochrane, com registro no PROSPERO, sob o número de ID CRD42021274670, nas respectivas bases de dados PubMed, LILACS, Embase, Web of Science, Cochrane, CINAHL, Cochrane Database Systematic Review e CENTRAL. As buscas serão realizadas por dois avaliadores independentes, um terceiro realizará o intermédio se necessário. Os dados serão inseridos no programa de software Zotero que irá excluir os artigos duplicados, após o material selecionado será transferido para planilha Excel em instrumento próprio. Os estudos serão classificados quanto ao seu nível de evidência, viés e fator de risco. Os resultados serão analisados e tabulados e discutidos a fim de melhor compreensão dos resultados. Se possível, serão realizadas meta-análises para os resultados agregados.


OBEJECTIVE: To verify the most appropriate treatment for the prevention and reduction of the signs and symptoms of abstinence in critically ill children through a systematic review of the world literature. METHOD: The systematic review will be conducted according to the PRISMA and Cochrane methodology, with registration at PROSPERO, under the ID number CRD42021274670, in the respective databases, PUBMed, LILACS, Embase, Web of Science, Cochrane, CINAHL, Cochrane Database Systematic Review, and CENTRAL, searches will be carried out by two independent evaluators, and a third party will perform the intermediate if necessary. The data will be entered into the Zotero software program that will delete duplicate articles after the selected material is transferred to an Excel spreadsheet on its instrument. The studies will be classified according to their level of evidence, bias, and risk factors. The results will be analyzed, tabulated, and discussed to understand the results better. If possible, meta-analyzes will be carried out for the aggregated results.


Sujet(s)
Humains , Enfant , Syndrome de sevrage , Unités de soins intensifs pédiatriques , Santé de l'enfant , Maladie grave , Revues systématiques comme sujet , Analgésie
2.
Rev. bras. ter. intensiva ; 34(4): 507-518, out.-dez. 2022. tab, graf
Article de Portugais | LILACS-Express | LILACS | ID: biblio-1423670

RÉSUMÉ

RESUMO Objetivo: Verificar as estratégias de prevenção e tratamento da síndrome de abstinência em unidade de terapia intensiva pediátrica. Métodos: Trata-se de revisão sistemática nas bases de dados PubMed®, Lilacs, Embase, Web of Science, Cochrane, Cinahl, Cochrane Database Systematic Review e CENTRAL. Uma estratégia de busca em três etapas foi utilizada para esta revisão. O protocolo da revisão foi aprovado no PROSPERO (CRD42021274670). Resultados: Foram incluídos na análise 12 artigos. Observou-se grande heterogeneidade entre os estudos incluídos, principalmente em se tratando de esquemas terapêuticos utilizados na sedação e na analgesia. As doses de midazolam variaram de 0,05mg/kg/hora a 0,3mg/kg/hora. A morfina também variou consideravelmente, de 10mcg/kg/hora a 30mcg/kg/hora entre os estudos. A escala mais utilizada para identificação da síndrome de abstinência, entre os 12 estudos selecionados, foi a Sophia Observational Widrawal Symptoms Scale. Em três estudos, houve diferença estatística relevante na prevenção e no manejo da síndrome de abstinência com a implantação de protocolos (p < 0,01 e p < 0,001). Conclusão: Observou-se grande variação entre o regime de sedoanalgesia utilizado entre os estudos e o método de desmame e avaliação de síndrome de abstinência. São necessários mais estudos para fornecer evidências mais robustas acerca do tratamento mais indicado para prevenção e redução dos sinais e sintomas de abstinência em crianças criticamente doentes. Registro PROSPERO:CRD 42021274670


ABSTRACT Objective: To verify strategies for the prevention and treatment of abstinence syndrome in a pediatric intensive care unit. Methods: This is a systematic review in the PubMed database®, Lilacs, Embase, Web of Science, Cochrane, Cinahl, Cochrane Database Systematic Review and CENTRAL. A three-step search strategy was used for this review, and the protocol was approved in PROSPERO (CRD42021274670). Results: Twelve articles were included in the analysis. There was great heterogeneity among the studies included, especially regarding the therapeutic regimens used for sedation and analgesia. Midazolam doses ranged from 0.05mg/kg/hour to 0.3mg/kg/hour. Morphine also varied considerably, from 10mcg/kg/hour to 30mcg/kg/hour, between studies. Among the 12 selected studies, the most commonly used scale for the identification of withdrawal symptoms was the Sophia Observational Withdrawal Symptoms Scale. In three studies, there was a statistically significant difference in the prevention and management of the withdrawal syndrome due to the implementation of different protocols (p < 0.01 and p < 0.001). Conclusion: There was great variation in the sedoanalgesia regimen used by the studies and the method of weaning and evaluation of withdrawal syndrome. More studies are needed to provide more robust evidence about the most appropriate treatment for the prevention and reduction of withdrawal signs and symptoms in critically ill children. PROSPERO register: CRD 42021274670

3.
Rev. bras. enferm ; Rev. bras. enferm;75(5): e20210586, 2022. tab
Article de Anglais | LILACS-Express | LILACS, BDENF | ID: biblio-1376593

RÉSUMÉ

ABSTRACT Objective: To analyze the critical alarms predictors of clinical deterioration/sepsis for clinical decision making in patients admitted to a reference hospital complex. Methods: An observational retrospective cohort study. The Machine Learning (ML) tool, Robot Laura®, scores changes in vital parameters and lab tests, classifying them by severity. Inpatients and patients over 18 years of age were included. Results: A total of 122,703 alarms were extracted from the platform, classified as 2 to 9. The pre-selection of critical alarms (6 to 9) indicated 263 urgent alerts (0.2%), from which, after filtering exclusion criteria, 254 alerts were delimited for 61 inpatients. Patient mortality from sepsis was 75%, of which 52% was due to sepsis related to the new coronavirus. After the alarms were answered, 82% of the patients remained in the sectors. Conclusions: Far beyond technology, ML models can speed up assertive clinical decisions by nurses, optimizing time and specialized human resources.


RESUMEN Objetivo: Analizar alarmas críticas predictoras de deterioración clínica/sepsis para toma de decisiones clínicas en pacientes internados en complejo hospitalario de referencia. Métodos: Estudio observacional de cohorte retrospectivo. La herramienta Machine Learning (ML), Robot Laura®, puntúa alteraciones en parámetros vitales y exámenes laboratoriales, clasificándolos por gravedad. Incluyeron pacientes internados y mayores de 18 años. Resultados: Extrajeron 122.703 alarmas de la plataforma, clasificadas de 2 hasta 9. La preselección de alarmas críticas (6 a 9) apuntó 263 alertas urgentes (0,2%), entre ellas, después del filtro de criterios de exclusión, delimitaron 254 alertas para 61 pacientes internados. La mortalidad de pacientes por sepsis fue de 75%, entre ellos 52% debido a sepsis relacionada al nuevo coronavirus. Después de las alarmas ser atendidas, 82% de los pacientes permanecieron en los sectores. Conclusiones: Más allá de la tecnología, modelos de ML pueden agilizar la decisión clínica asertiva de enfermeros, optimizando tiempos y recursos humanos especializados.


RESUMO Objetivo: Analisar os alarmes críticos preditores de deterioração clínica/sepse para tomada de decisão clínica nos pacientes internados em complexo hospitalar de referência. Métodos: Estudo observacional de coorte retrospectivo. A ferramenta de Machine Learning (ML), Robô Laura®, pontua alterações nos parâmetros vitais e exames laboratoriais, classificando-os por gravidade. Incluíram-se pacientes internados e maiores de 18 anos. Resultados: Extraíram-se 122.703 alarmes da plataforma, classificados de 2 até 9. A pré-seleção dos alarmes críticos (6 a 9) apontou 263 alertas urgentes (0,2%), dos quais, após o filtro de critérios de exclusão, delimitaram se 254 alertas para 61 pacientes internados. A mortalidade dos pacientes por sepse foi de 75%, dos quais 52% devido à sepse relacionada ao novo coronavírus. Após os alarmes serem atendidos, 82% dos pacientes permaneceram nos setores. Conclusões: Muito além da tecnologia, modelos de ML podem agilizar a decisão clínica assertiva dos enfermeiros, otimizando tempos e recursos humanos especializados.

SÉLECTION CITATIONS
DÉTAIL DE RECHERCHE