MétaCan
Menu
Retour à la cohorte
Enregistrement W2009031791 · doi:10.1517/14656566.2013.781154

Pharmacotherapy of fever control among hospitalized adult patients

2013· review· en· W2009031791 sur OpenAlexaff
Daniel J. Niven, Kevin B. Laupland

Notice bibliographique

RevueExpert Opinion on Pharmacotherapy · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueThermal Regulation in Medicine
Établissements canadiensRoyal Inland HospitalUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicineAntipyreticPharmacotherapyIntensive care medicineClinical trialHyperthermiaInternal medicinePharmacologyAnalgesic

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Fever is common and associated with increased mortality among hospitalized adults. This article will review the pharmacotherapy of commonly prescribed antipyretic drugs including the rationale for and against temperature control in febrile adults, as well as the evidence associated with fever control in specific patient populations. AREAS COVERED: Though fever is common, the molecular basis of pyrexia, and the interaction of these pathways with commonly prescribed antipyretic drugs are not fully understood. Furthermore, while experimental and clinical studies clearly demonstrate that pyrexia is harmful in select patients, available clinical trial data are unable to suggest an evidence-based approach to the treatment of fever. Interestingly, this also applies to patients with an acute neurologic injury wherein the treatment of fever with antipyretic therapy has become a common management strategy. EXPERT OPINION: Few adequately powered clinical trials have investigated temperature control strategies in febrile patients. Therefore, it is not possible to define an evidence-based approach to the control of fever in hospitalized adults. Further clinical and translational research is required to identify the patients most likely to benefit from a strategy of fever control versus permissive hyperthermia, and to determine the antipyretic therapies associated with the greatest improvement in outcome.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,932
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,410
Écart entre enseignants0,371 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on PharmacotherapyMême sujetThermal Regulation in MedicineTravaux en français237 207