Reporting data on long-term follow-up of critical care trials
Notice bibliographique
Résumé
Over the past 20 years, the lens of critical care research has widened, with 60 or 90 days becoming an increasingly common end point for observation of mortality and other outcomes.1–6 There have also been an increase in studies that follow patients for many years to understand how and when recovery occurs and whether risks attributable to critical illness may diminish.7–9 Correspondingly, when new therapies aimed at improving outcomes are studied, there is increasing recognition that reporting of short-term (ie, hospital) outcomes is not enough and that evaluation of the long-term effects of the intervention can be very important. Dinglas et al present long-term follow-up data of patients enrolled in the Statins in Acutely Injured Lungs in Sepsis (SAILS) trial, which examined the use of rosuvastatin in patients with sepsis-associated acute respiratory distress syndrome (ARDS).10 The SAILS trial randomised patients within 48 h of enrolment to receive either rosuvastatin or placebo for a maximum of 28 days (or until the third day after discharge from the intensive care unit (ICU), hospital discharge or death). The primary outcome of the original study was 60-day in-hospital mortality. As part of the planned analysis, the authors evaluated the long-term outcome of these patients to determine the safety of in-hospital statin use in survivors of sepsis-associated ARDS.11 The rationale was that there are known adverse effects of statins on skeletal muscle and psychological symptoms that can occur, and critically ill patients represent a population already at risk of physical and psychological difficulties. The authors collected detailed data on physical performance and psychological symptoms at 6 and …
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 | 0,003 | 0,689 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».