Clinical use of Convalescent Plasma in the COVID‐19 pandemic: a transfusion‐focussed gap analysis with recommendations for future research priorities
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Use of convalescent plasma for coronavirus disease 2019 (COVID-19) treatment has gained interest worldwide. However, there is lack of evidence on its dosing, safety and effectiveness. Until data from clinical studies are available to provide solid evidence for worldwide applicable guidelines, there is a need to provide guidance to the transfusion community and researchers on this emergent therapeutic option. This paper aims to identify existing key gaps in current knowledge in the clinical application of COVID-19 convalescent plasma (CCP). MATERIALS AND METHODS: The International Society of Blood Transfusion (ISBT) initiated a multidisciplinary working group with worldwide representation from all six continents with the aim of reviewing existing practices on CCP use from donor, product and patient perspectives. A subgroup of clinical transfusion professionals was formed to draft a document for CCP clinical application to identify the gaps in knowledge in existing literature. RESULTS: Gaps in knowledge were identified in the following main domains: study design, patient eligibility, CCP dose, frequency and timing of CCP administration, parameters to assess response to CCP treatment and long-term outcome, adverse events and CCP application in less-resourced countries as well as in paediatrics and neonates. CONCLUSION: This paper outlines a framework of gaps in the knowledge of clinical deployment of CPP that were identified as being most relevant. Studies to address the identified gaps are required to provide better evidence on the effectiveness and safety of CCP use.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 ».