Prehospital Noninvasive Ventilation for Acute Respiratory Failure: Systematic Review, Network Meta‐analysis, and Individual Patient Data Meta‐analysis
Notice bibliographique
Résumé
OBJECTIVES: This meta-analysis aimed to determine the effectiveness of prehospital continuous positive airway pressure (CPAP) or bilevel inspiratory positive airway pressure (BiPAP) in acute respiratory failure. METHODS: Fourteen electronic databases and research registers were searched from inception to August 2013. Randomized or quasi-randomized controlled trials that reported mortality or intubation rate for prehospital CPAP or BiPAP were selected and compared to a relevant comparator in patients with acute respiratory failure. An aggregate data network meta-analysis was used to jointly estimate intervention effects relative to standard care. A network meta-analysis using a mixture of individual patient-level data and aggregate data was carried out to assess potential treatment effect modifiers. RESULTS: Eight randomized and two quasi-randomized controlled trials (six CPAP, four BiPAP, sample sizes 23 to 207) were identified. The aggregate data network meta-analysis suggested that CPAP was the most effective treatment in terms of mortality (probability = 0.989) and intubation rate (probability = 0.639) and reduced both mortality (odds ratio [OR] = 0.41; 95% credible interval [CrI] = 0.20 to 0.77) and intubation rate (OR = 0.32; 95% CrI = 0.17 to 0.62), compared to standard care. The effect of BiPAP on mortality (OR = 1.94; 95% CrI = 0.65 to 6.14) and intubation rate (OR = 0.40; 95% CrI = 0.14 to 1.16) was uncertain. The network meta-analysis using individual patient-level data and aggregate data suggested that sex was a modifier of the effect of treatment on mortality. CONCLUSIONS: Prehospital CPAP can reduce mortality and intubation rates compared to standard care, while the effectiveness of prehospital BiPAP is uncertain.
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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,024 | 0,008 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».