Best Practice Guidelines for the Management of Acute Craniomaxillofacial Trauma During the COVID-19 Pandemic
Notice bibliographique
Résumé
Coronavirus disease 2019 (COVID-19) is an infectious disease that is caused by severe respiratory syndrome coronavirus 2. Although elective surgical procedures are being cancelled in many parts of the world during the COVID-19 pandemic, acute craniomaxillofacial (CMF) trauma will continue to occur and will need to be appropriately managed. Surgical procedures involving the nasal, oral, or pharyngeal mucosa carry a high risk of transmission due to aerosolization of the virus which is known to be in high concentration in these areas. Intraoperative exposure to high viral loads through aerosolization carries a very high risk of transmission, and the severity of the disease contracted in this manner is worse than that transmitted through regular community transmission. This places surgeons operating in the CMF region at particularly high risk during the pandemic. There is currently a paucity of information to delineate the best practice for the management of acute CMF trauma during the COVID-19 pandemic. In particular, a clear protocol describing optimal screening, timing of intervention and choice of personal protective equipment, is needed. The authors have proposed an algorithm for management of CMF trauma during the COVID-19 pandemic to ensure that urgent and emergent CMF injuries are addressed appropriately while optimizing the safety of surgeons and other healthcare providers. The algorithm is based on available evidence at the time of writing. As the COVID-19 pandemic continues to evolve and more evidence and better testing becomes available, the algorithm should be modified accordingly.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».