Уникальные публикации PubMed, Europe PMC и Crossref, сохранённые в библиотеке. Одна статья учитывается один раз, даже если получена из нескольких источников. Личные исследования и документы команд не публикуются.
Идёт проверка счётчикаДоступно в поиске—
Публикации, уже подготовленные для быстрого поиска. Остальная библиотека подключается в фоне.
Переведено на русский—
Готовые переводы среди доступных в поиске публикаций. Автоматический медицинский перевод и проверка специалистом учитываются отдельно.
Полные тексты—
Найденные полные тексты среди доступных в поиске публикаций. Доступность определяется первоисточником и условиями использования.
Оригиналов на русском—
Русскоязычные оригиналы доступны без ожидания перевода. Ниже — языки остальных оригиналов; для них готовится медицинский перевод на русский.
Пополняем библиотеку по диагнозам—Проверяем состояние обновлений
Для каждого диагноза из справочника МКБ-10 ищем связанные публикации в научных базах и добавляем их в библиотеку. Числа ниже — диагнозы, а не статьи.
Если сбор прервался, тема требует повторной попытки. Уже сохранённые статьи остаются в библиотеке.
Нажмите на показатель для подробностей. Показатели поиска обновляются автоматически; размер всей библиотеки сверяется отдельно. Время последней проверки указано явно.
Результаты поиска
249 публикаций
Поиск: 78 мс
Публикации на разных языках · PubMed, Europe PMC и данные издателей через Crossref · 10 с найденным полным текстом
PURPOSE OF REVIEW: Past observational studies have reported the association between patient-ventilator asynchronies and poor clinical outcomes, namely longer duration of mechanical ventilation and higher mortality. But causality has remained undetermined. During the era of lung and diaphragm protective ventilation, should we revolutionize our clinical practice to detect and treat dyssynchrony?
RECENT FINDINGS: Clinicians' ability to recognize asynchronies is typically low. Automatized softwares based on artificial intelligence have been trained to largely outperform human eyesight and are clo
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: The value of visual inspection of ventilator waveforms in detecting patient-ventilator asynchronies in the intensive care unit has never been systematically evaluated. This study aims to assess intensive care unit physicians' ability to identify patient-ventilator asynchronies through ventilator waveforms.
DESIGN: Prospective observational study.
SETTING: Intensive care unit of a University Hospital.
PATIENTS: Twenty-four patients receiving mechanical ventilation for acute respiratory failure.
INTERVENTION: Forty-three 5-min reports displaying flow-time and airway pressure-time
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Patient-ventilator asynchrony (PVA) is a common and critically import clinical problem in patients receiving mechanical ventilation. However, PVAs are often underrecognized, underestimated and delayed, and there has been minimal success in automating their detection. In this study, we develop an efficient and fast end-to-end model to recognize PVAs on ventilator waveforms: running the model costs 106.5ms on CPUs and 7.8ms on GPUs. We propose label striping and stripe-mask encoding for efficient multi-class multi-target detecting. The model innovatively integrates causal convolutional, depth-wi
СтатьяПоддержка исследования: вне правительства СШАПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
INTRODUCTION: Mechanically ventilated children often have patient-ventilator asynchrony (PVA). When a ventilated patient has spontaneous effort, the ventilator attempts to synchronize with the patient, but PVA represents a mismatch between patient respiratory effort and ventilator delivered breaths.
AREAS COVERED: This review will focus on subtypes of patient ventilator asynchrony, methods to detect or measure PVA, risk factors for and characteristics of patients with PVA subtypes, potential clinical implications, treatment or prevention strategies, and future areas for research. Throughout t
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVES: The objective of this study is to evaluate whether large language models (LLMs) can achieve performance comparable to expert-developed deep neural networks in detecting flow starvation (FS) asynchronies during mechanical ventilation.
METHODS: Popular LLMs (GPT-4, Claude-3.5, Gemini-1.5, DeepSeek-R1) were tested on a dataset of 6500 airway pressure cycles from 28 patients, classifying breaths into three FS categories. They were also tasked with generating executable code for one-dimensional convolutional neural network (CNN-1D) and Long Short-Term Memory networks. Model performance
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Patient-ventilator asynchrony (PVA) is a challenge to invasive mechanical ventilation characterized by misalignment of ventilatory support and patient respiratory effort. PVA is highly prevalent and associated with adverse clinical outcomes, including increased work of breathing, oxygen consumption, and risk of barotrauma. Artificial intelligence (AI) is a potentially transformative solution offering capabilities for automated detection of PVA. This narrative review characterizes the landscape of AI models designed for PVA detection and quantification. A comprehensive literature search identif
СтатьяОбзорПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Patient-ventilator asynchrony (PVA) is a significant challenge in mechanical ventilation, affecting approximately 25% of intensive care unit patients and increasing the risk of lung and diaphragm injury. Segmenting breathing cycles from long ventilation waveforms is essential for the reliable detection of PVA events. However, existing segmentation methods present several limitations: manual annotation is time-consuming; fixed-length window and rule-based segmentation methods lack adaptability to varying respiratory patterns; and supervised deep learning (DL) segmentation methods require large
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Patient-ventilator asynchrony is a major issue during non-invasive ventilation and may lead to discomfort and treatment failure. Therefore, the identification and prompt management of asynchronies are of paramount importance during non-invasive ventilation (NIV), in both pediatric and adult populations. In this review, we first define the different forms of asynchronies, their classification, and the method of quantification. We, therefore, describe the technique to properly detect patient-ventilator asynchronies during NIV in pediatric and adult patients with acute respiratory failure, separa
Систематический обзорСтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: American Academy of Neurology (AAN) practice parameters for amyotrophic lateral sclerosis (ALS) include noninvasive positive pressure ventilation (NIV) for a forced vital capacity (FVC) ≤50%predicted. Despite the limited ability of NIV systems to deliver adequate ventilation synchronous with patient demand, nocturnal patient-ventilator asynchrony has not been systematically studied in patients with ALS prescribed such NIV.
METHODS: Twenty-three consecutively recruited patients with ALS reporting consistent use of nocturnal NIV (nNIV) prescribed for FVC ≤50% or orthopnea underwent
Клиническое исследованиеСтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Episodes of patient-ventilator asynchrony (PVA) occur during acute and chronic non-invasive positive pressure ventilation (NIV). In long-term NIV, description and quantification of PVA is not standardised, thus limiting assessment of its clinical impact. The present report provides a framework for a systematic analysis of polygraphic recordings of patients under NIV for the detection and classification of PVA validated by bench testing. The algorithm described uses two different time windows: rate asynchrony and intracycle asynchrony. This approach should facilitate further studies on prevalen
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Patient-ventilator asynchrony is common in patients undergoing mechanical ventilation. The proportion of health-care professionals capable of identifying and effectively managing different types of patient-ventilator asynchronies is limited. A few studies have developed specific training programs, but they mainly focused on improving patient-ventilator asynchrony detection without assessing the ability of health-care professionals to determine the possible causes.
METHODS: We conducted a 36-h training program focused on patient-ventilator asynchrony detection and management for he
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
OBJECTIVE: Air leaks around the mask are very likely to occur during noninvasive ventilation, in particular when prolonged ventilatory treatment is required. It has been suggested that leaks from the mask may impair the expiratory trigger cycling mechanism when inspiratory pressure support ventilation (PSV) is used. The aim of this study was to compare the short-term effect of two different expiratory cycling mechanisms (time-cycled vs flow-cycled) during noninvasive inspiratory pressure support ventilation (NIPSV) on patient-ventilator synchronisation in severe hypoxemic respiratory failure.
Клиническое исследованиеСтатьяРандомизированное исследованиеПолный текст не найденПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Patient-ventilator asynchrony (PVA) is a prevalent complication in mechanically ventilated patients, leading to delays in weaning, prolonged ICU stays and increased mortality. Ventilator waveform analysis, a non-invasive and reliable diagnostic method, is essential for detecting PVA. However, its accuracy relies heavily on the interpretive skills of healthcare providers.
AIM: This study aimed to assess the ability of ICU nurses to recognise PVA using ventilator waveforms and examined the influence of gender, clinical experience and mechanical ventilation-related training on their
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Mechanical ventilation can be life-saving for patients with acute respiratory failure. In between the 2 extremes of complete and no ventilatory support, both patient and machine contribute to ventilatory work. Ideally, ventilator gas delivery would perfectly match patient demand. This patient-ventilator interaction depends on how the ventilator responds to patient respiratory effort and, in turn, how the patient responds to the breath delivered by the ventilator. It is now evident that the interaction between patient and ventilator is frequently suboptimal and that patient-ventilator asynchron
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
PURPOSE OF REVIEW: Patient-ventilator asynchrony is commonly treated as a technical mismatch requiring correction, although asynchronous breaths are not uniformly harmful and apparent synchrony may conceal injurious effort. This review summarizes evidence from the past 18 months that redefines asynchrony through inspiratory effort, the transition to assisted breathing, and continuous waveform monitoring.
RECENT FINDINGS: Potential harm depends on effort magnitude and timing, breath stacking, ventilatory mode, lung and diaphragm vulnerability, dyspnea, and cumulative exposure. Double triggerin
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
Noninvasive ventilation is a clinical procedure that enables patients with chronic respiratory failure to reduce the work of breathing and to improve blood oxygenation. In order to attain such goals, the ventilation support is expected to be phase synchronized with the patient spontaneous breathing. Unfortunately, asynchrony events are not rare. In order to provide more effective ventilation schemes, the patient-ventilator interactions should be better understood both during normal rhythm and asynchronism. This paper investigates this problem using data-driven modeling. Hence the estimation of
СтатьяПоддержка исследования: вне правительства СШАПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND AND OBJECTIVE: Patient-ventilator asynchronies (PVA) are associated with ventilator-induced lung injury and increased mortality. Current detection methods rely on static thresholds, extensive preprocessing, or proprietary ventilator data. This study aimed to develop and validate a fully online, real-time system that detects and classifies PVAs directly from ventilator screen data while alerting clinicians based on severity.
METHODS: The SmartAlert system was developed using ventilator screen recordings from ICU patients. It extracts pressure and flow waveforms from video recordings
СтатьяПолный текст не найденПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
This study summarizes the application of automatic recognition technologies for patient-ventilator asynchrony (PVA) during mechanical ventilation. In the early stages, the method of setting rules and thresholds relied on manual interpretation of ventilator parameters and waveforms. While these methods were intuitive and easy to operate, they were relatively sensitive in threshold setting and rule selection and could not adapt well to minor changes in patient status. Subsequently, machine learning and deep learning technologies began to emerge and develop. These technologies automatically extra
ОбзорАннотация на английскомСтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: Intrinsic PEEP during mechanical ventilation occurs when there is insufficient time for expiration to functional residual capacity before the next inspiration, resulting in air trapping. Increased expiratory resistance (RE), too rapid of a patient or ventilator breathing rate, or a longer inspiratory to expiratory time ratio (TI/TE) can all be causes of intrinsic PEEP. Intrinsic PEEP can result in increased work of breathing and patient-ventilator asynchrony (PVA) during patient-triggered breaths. We hypothesized that the difference between intrinsic PEEP and ventilator PEEP acts a
СтатьяПоиск полного текста в очередиПеревод пока не подготовлен
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.
BACKGROUND: As healthcare increasingly digitizes, streaming waveform data is being made available from an variety of sources, but there still remains a paucity of performant clinical decision support systems. For example, in the intensive care unit (ICU) existing automated alarm systems typically rely on simple thresholding that result in frequent false positives. Recurrent false positive alerts create distrust of alarm mechanisms that can be directly detrimental to patient health. To improve patient care in the ICU, we need alert systems that are both pervasive, and accurate so as to be infor
СтатьяПоиск полного текста в очередиПеревод в очереди
Обработка статьи · этапы, ошибки и управление
Загрузка состояния…
Ошибки и ограничения
История · было → стало
Состояние обновляется каждые 5 секунд, пока блок открыт. Процент показывается только там, где известен объём работы. Пауза останавливает продолжение этапа; текущий запрос к источнику может завершиться.