Recommendations for infection management in patients with sepsis and septic shock in resource-limited settings
Notice bibliographique
Résumé
Introduction Studies indicate that sepsis and septic shock in resourcelimited settings are at least as common as in resourcerich settings. The surviving sepsis campaign (SSC) guidelines have been widely adopted throughout the world, but in resource-limited settings are often unfeasible [1]. The guidelines are based almost exclusively on evidence from resource-rich settings and are not necessarily applicable elsewhere due to differences in etiology and diagnostic or treatment capacity. An international team of physicians with extensive practical experience in resource-limited intensive care units (ICUs) identified key questions concerning the SSC’s infection management recommendations, and evidence from resourcelimited settings regarding these was evaluated using the grading of recommendations assessment, development and evaluation (GRADE) tools. This article focuses primarily on bacterial causes of sepsis and septic shock. Other infections common in resource-limited settings, such as malaria, are covered in a separate article in this series. Evidence quality was scored as high (grade A), moderate (B), low (C), or very low (D), and recommendations as strong (1) or weak (2). The major difference from the grading of recommendations in the SSC-guidelines was in taking account of contextual factors relevant to resource-limited settings, such as the availability, affordability and feasibility of interventions in resource-limited ICUs. Strong recommendations have been worded as ‘we recommend’ and weak recommendations as ‘we suggest’ (details in online supplement).
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 | 0,001 |
| 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 ».