A Canadian Clinical Practice Algorithm for the Management of Patients with Non-Variceal Upper Gastrointestinal Bleeding
Notice bibliographique
Résumé
AIM: To use current evidence-based recommendations to provide a user-friendly clinical algorithm for the management of upper gastrointestinal bleeding, adapted to the Canadian environment. METHODS: A multidisciplinary consensus group of 25 participants representing 11 national societies used a seven-step approach to develop recommendations according to accepted standards. Sources of data included narrative and systematic reviews as well as published and new meta-analyses. A small writing subgroup subsequently created the algorithm. RESULTS: Recommendations emphasize appropriate initial resuscitation of the patient and a multidisciplinary approach to clinical risk stratification that determines the need for early endoscopy. Early endoscopy allows safe and prompt discharge of selected patients classified as low risk. Endoscopic hemostasis is reserved for patients with high-risk endoscopic lesions. Although monotherapy with injection or thermal coagulation is effective, the combination is superior to either treatment alone. High-dose intravenous proton-pump inhibition is recommended in patients who have undergone successful endoscopic therapy. Routine second-look endoscopy is not recommended. Patients with upper gastrointestinal bleeding secondary to ulcer disease should be tested and treated for Helicobacter pylori infection. CONCLUSIONS: This algorithm should facilitate appropriate risk stratification, use of endoscopic therapy and the appropriate utilization of proton-pump inhibition to optimize the care of patients with upper gastrointestinal bleeding. The algorithm should be customized to the resources of individual medical centres. Its application should be studied with appropriate outcomes recorded and validation performed.
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 | 0,001 | 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) | 0,000 | 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 ».