Background There is no proven specific pharmacological treatment for patients with the acute respiratory distress syndrome (ARDS). The efficacy of corticosteroids in ARDS remains controversial. We aimed to assess the effects of dexamethasone in ARDS, which might change pulmonary and systemic inflammation and result in a decrease in duration of mechanical ventilation and mortality. Methods We did a multicentre, randomised controlled trial in a network of 17 intensive care units (ICUs) in teaching hospitals across Spain in patients with established moderate-to-severe ARDS (defined by a ratio of partial pressure of arterial oxygen to the fraction of inspired oxygen of 200 mm Hg or less assessed with a positive end-expiratory pressure of 10 cm H2O or more and FiO2 of 0·5 or more at 24 h after ARDS onset). Patients with brain death, terminal-stage disease, or receiving corticosteroids or immunosuppressive drugs were excluded. Eligible patients were randomly assigned based on balanced treatment assignments with a computerised randomisation allocation sequence using blocks of 10 opaque, sealed envelopes to receive immediate treatment with dexamethasone or continued routine intensive care (control group). Patients in the dexamethasone group received an intravenous dose of 20 mg once daily from day 1 to day 5, which was reduced to 10 mg once daily from day 6 to day 10. Patients in both groups were ventilated with lung-protective mechanical ventilation. Allocation concealment was maintained at all sites during the trial. Primary outcome was the number of ventilator-free days at 28 days, defined as the number of days alive and free from mechanical ventilation from day of randomisation to day 28. Secondary outcome was all-cause mortality 60 days after randomisation. All analyses were done according to the intention-to-treat principle. This study is registered with ClinicalTrials.gov, NCT01731795. Findings Between March 28, 2013, and Dec 31, 2018, we enrolled 277 patients and randomly assigned 139 patients to the dexamethasone group and 138 to the control group. The trial was stopped by the data safety monitoring board due to low enrolment rate after enrolling more than 88% (277/314) of the planned sample size. The mean number of ventilator-free days was higher in the dexamethasone group than in the control group (between-group difference 4·8 days [95% CI 2·57 to 7·03]; p<0·0001). At 60 days, 29 (21%) patients in the dexamethasone group and 50 (36%) patients in the control group had died (between-group difference −15·3% [–25·9 to −4·9]; p=0·0047). The proportion of adverse events did not differ significantly between the dexamethasone group and control group. The most common adverse events were hyperglycaemia in the ICU (105 [76%] patients in the dexamethasone group vs 97 [70%] patients in the control group), new infections in the ICU (eg, pneumonia or sepsis; 33 [24%] vs 35 [25%]), and barotrauma (14 [10%] vs 10 [7%]). Interpretation Early administration of dexamethasone could reduce duration of mechanical ventilation and overall mortality in patients with established moderate-to-severe ARDS. Funding Fundación Mutua Madrileña, Instituto de Salud Carlos III, The European Regional Development's Funds, Asociación Científica Pulmón y Ventilación Mecánica.

Substantial evidence indicates that the brain uses principles of non-linear dynamics in neural processes, providing inspiration for computing with nanoelectronic devices. However, training neural networks composed of dynamical nanodevices requires finely controlling and tuning their coupled oscillations. In this work, we show that the outstanding tunability of spintronic nano-oscillators can solve this challenge. We successfully train a hardware network of four spin-torque nano-oscillators to recognize spoken vowels by tuning their frequencies according to an automatic real-time learning rule. We show that the high experimental recognition rates stem from the high frequency tunability of the oscillators and their mutual coupling. Our results demonstrate that non-trivial pattern classification tasks can be achieved with small hardware neural networks by endowing them with non-linear dynamical features: here, oscillations and synchronization. This demonstration is a milestone for spintronics-based neuromorphic computing.

BACKGROUND:

 Predicting mortality has become a necessary step for selecting patients for clinical trials and defining outcomes. We examined whether stratification by tertiles of respiratory and ventilatory variables at the onset of acute respiratory distress syndrome (ARDS) identifies patients with different risks of death in the intensive care unit. 

METHODS:

 We performed a secondary analysis of data from 220 patients included in 2 multicenter prospective independent trials of ARDS patients mechanically ventilated with a lung-protective strategy. Using demographic, pulmonary, and ventilation data collected at ARDS onset, we derived and validated a simple prediction model based on a population-based stratification of variable values into low, middle, and high tertiles. The derivation cohort included 170 patients (all from one trial) and the validation cohort included 50 patients (all from a second trial). 

RESULTS:

 Tertile distribution for age, plateau airway pressure (P_plat), and P_aO2/F_IO2 at ARDS onset identified subgroups with different mortalities, particularly for the highest-risk tertiles: age (> 62 years), P_plat (> 29 cm H₂O), and P_aO2/F_IO2 (< 112 mm Hg). Risk was defined by the number of coexisting high-risk tertiles: patients with no high-risk tertiles had a mortality of 12%, whereas patients with 3 high-risk tertiles had 90% mortality (P < .001). 

CONCLUSIONS:

 A prediction model based on tertiles of patient age, P_plat, and P_aO2/F_IO2 at the time the patient meets ARDS criteria identifies patients with the lowest and highest risk of intensive care unit death.

To establish the epidemiological characteristics, ventilator management, and outcomes in patients with acute hypoxemic respiratory failure (AHRF), with or without acute respiratory distress syndrome (ARDS), in the era of lung-protective mechanical ventilation (MV).A 6-month prospective, epidemiological, observational study.A network of 22 multidisciplinary ICUs in Spain.Consecutive mechanically ventilated patients with AHRF (defined as Pao2/Fio2 ≤ 300 mm Hg on positive end-expiratory pressure [PEEP] ≥ 5 cm H2O and Fio2 ≥ 0.3) and followed-up until hospital discharge.None.Primary outcomes were prevalence of AHRF and ICU mortality. Secondary outcomes included prevalence of ARDS, ventilatory management, and use of adjunctive therapies. During the study period, 9,803 patients were admitted: 4,456 (45.5%) received MV, 1,271 (13%) met AHRF criteria (1,241 were included into the study: 333 [26.8%] met Berlin ARDS criteria and 908 [73.2%] did not). At baseline, tidal volume was 6.9 ± 1.1 mL/kg predicted body weight, PEEP 8.4 ± 3.1 cm H2O, Fio2 0.63 ± 0.22, and plateau pressure 21.5 ± 5.4 cm H2O. ARDS patients received higher Fio2 and PEEP than non-ARDS (0.75 ± 0.22 vs 0.59 ± 0.20 cm H2O and 10.3 ± 3.4 vs 7.7 ± 2.6 cm H2O, respectively [p < 0.0001]). Adjunctive therapies were rarely used in non-ARDS patients. Patients without ARDS had higher ventilator-free days than ARDS (12.2 ± 11.6 vs 9.3 ± 9.7 d; p < 0.001). All-cause ICU mortality was similar in AHRF with or without ARDS (34.8% [95% CI, 29.7-40.2] vs 35.5% [95% CI, 32.3-38.7]; p = 0.837).AHRF without ARDS is a very common syndrome in the ICU with a high mortality that requires specific studies into its epidemiology and ventilatory management. We found that the prevalence of ARDS was much lower than reported in recent observational studies.

Objectives: Incomplete or ambiguous evidence for identifying high-risk patients with acute respiratory distress syndrome for enrollment into randomized controlled trials has come at the cost of an unreasonable number of negative trials. We examined a set of selected variables early in acute respiratory distress syndrome to determine accurate prognostic predictors for selecting high-risk patients for randomized controlled trials. Design: A training and testing study using a secondary analysis of data from four prospective, multicenter, observational studies. Setting: A network of multidisciplinary ICUs. Patients: We studied 1,200 patients with moderate-to-severe acute respiratory distress syndrome managed with lung-protective ventilation. Interventions: None. Measurements and Main Results: We evaluated different thresholds for patient’s age, Pa o 2 /F io 2 , plateau pressure, and number of extrapulmonary organ failures to predict ICU outcome at 24 hours of acute respiratory distress syndrome diagnosis. We generated 1,000 random scenarios as training ( n = 900, 75% of population) and testing ( n = 300, 25% of population) datasets and averaged the logistic coefficients for each scenario. Thresholds for age (< 50, 50–70, > 70 yr), Pa o 2 /F io 2 (≤ 100, 101–150, > 150 mm Hg), plateau pressure (< 29, 29–30, > 30 cm H 2 O), and number of extrapulmonary organ failure (< 2, 2, > 2) stratified accurately acute respiratory distress syndrome patients into categories of risk. The model that included all four variables proved best to identify patients with the highest or lowest risk of death (area under the receiver operating characteristic curve, 0.86; 95% CI, 0.84–0.88). Decision tree analyses confirmed the accuracy and robustness of this enrichment model. Conclusions: Combined thresholds for patient’s age, Pa o 2 /F io 2 , plateau pressure, and extrapulmonary organ failure provides prognostic enrichment accuracy for stratifying and selecting acute respiratory distress syndrome patients for randomized controlled trials.

Introduction: In patients with acute respiratory distress syndrome (ARDS), the PaO2/FiO2 ratio at the time of ARDS diagnosis is weakly associated with mortality. We hypothesized that setting a PaO2/FiO2 threshold in 150 mm Hg at 24 h from moderate/severe ARDS diagnosis would improve predictions of death in the intensive care unit (ICU). Methods: We conducted an ancillary study in 1303 patients with moderate to severe ARDS managed with lung-protective ventilation enrolled consecutively in four prospective multicenter cohorts in a network of ICUs. The first three cohorts were pooled (n = 1000) as a testing cohort; the fourth cohort (n = 303) served as a confirmatory cohort. Based on the thresholds for PaO2/FiO2 (150 mm Hg) and positive end-expiratory pressure (PEEP) (10 cm H2O), the patients were classified into four possible subsets at baseline and at 24 h using a standardized PEEP-FiO2 approach: (I) PaO2/FiO2 ≥ 150 at PEEP < 10, (II) PaO2/FiO2 ≥ 150 at PEEP ≥ 10, (III) PaO2/FiO2 < 150 at PEEP < 10, and (IV) PaO2/FiO2 < 150 at PEEP ≥ 10. Primary outcome was death in the ICU. Results: ICU mortalities were similar in the testing and confirmatory cohorts (375/1000, 37.5% vs. 112/303, 37.0%, respectively). At baseline, most patients from the testing cohort (n = 792/1000, 79.2%) had a PaO2/FiO2 < 150, with similar mortality among the four subsets (p = 0.23). When assessed at 24 h, ICU mortality increased with an advance in the subset: 17.9%, 22.8%, 40.0%, and 49.3% (p < 0.0001). The findings were replicated in the confirmatory cohort (p < 0.0001). However, independent of the PEEP levels, patients with PaO2/FiO2 < 150 at 24 h followed a distinct 30-day ICU survival compared with patients with PaO2/FiO2 ≥ 150 (hazard ratio 2.8, 95% CI 2.2–3.5, p < 0.0001). Conclusions: Subsets based on PaO2/FiO2 thresholds of 150 mm Hg assessed after 24 h of moderate/severe ARDS diagnosis are clinically relevant for establishing prognosis, and are helpful for selecting adjunctive therapies for hypoxemia and for enrolling patients into therapeutic trials.

A promising branch of neuromorphic computing aims to perform cognitive operations in hardware, leveraging the physics of efficient and well-established nanodevices. This work presents a reconfigurable classifier, based on a network of magnetic tunnel junctions, that can learn to classify spoken vowels. In this task the hardware network surpasses multilayered software neural networks with the same number of trained parameters. These results, obtained using the same devices and working principle employed in industrial spin-transfer-torque magnetic random-access memory, constitute an important step toward the development of large-scale neuromorphic networks based on established technology.