Management of anaphylaxis in primary care: Canadian expert consensus recommendations
Notice bibliographique
Résumé
BACKGROUND: Anaphylaxis is often managed inadequately. We used findings from a systematic review of gaps in anaphylaxis management to develop evidence-based recommendations for gaps rated as clinically important by a panel of Canadian allergy experts. METHODS: The nominal group technique (NGT) consensus methodology was used to develop evidence-based recommendations for the management of anaphylaxis in primary care. Physician-specific gaps from our systematic review were prioritized by consensus meeting participants in two rounds, which involved the rating, discussion, and re-rating of gaps. Using current anaphylaxis guidelines, recommendations were then developed for each category of gaps that were identified by the panel as clinically important. RESULTS: Thirty unique physician gaps from the systematic review were categorized according to gaps of knowledge and anaphylaxis practice behaviors. The panel rated diagnosis of anaphylaxis, and when and how to use epinephrine auto-injectors as clinically important knowledge gaps; and rated infrequent or delayed epinephrine administration, low rate of auto-injector prescription, and infrequent or no referrals to allergy specialists after a reaction as important practice behavior gaps. Evidence from four guidelines was used to support the consensus recommendation statements for three resulting categories of gap themes: anaphylaxis management, epinephrine use, and follow-up care. CONCLUSION: We used an NGT consensus methodology to develop an educational resource for primary care physicians and allergists to better understand how to manage patients with anaphylaxis. Next steps include testing our findings against observed data in primary care settings and to develop other strategies or tools to overcome gaps in anaphylaxis management.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».