Canadian Internal Medicine Ultrasound (CIMUS) Expert Consensus Statement on the Use of Lung Ultrasound for the Assessment of Medical Inpatients With Known or Suspected Coronavirus Disease 2019
Notice bibliographique
Résumé
OBJECTIVES: To develop a consensus statement on the use of lung ultrasound (LUS) in the assessment of symptomatic general medical inpatients with known or suspected coronavirus disease 2019 (COVID-19). METHODS: Our LUS expert panel consisted of 14 multidisciplinary international experts. Experts voted in 3 rounds on the strength of 26 recommendations as "strong," "weak," or "do not recommend." For recommendations that reached consensus for do not recommend, a fourth round was conducted to determine the strength of those recommendations, with 2 additional recommendations considered. RESULTS: Of the 26 recommendations, experts reached consensus on 6 in the first round, 13 in the second, and 7 in the third. Four recommendations were removed because of redundancy. In the fourth round, experts considered 4 recommendations that reached consensus for do not recommend and 2 additional scenarios; consensus was reached for 4 of these. Our final recommendations consist of 24 consensus statements; for 2 of these, the strength of the recommendations did not reach consensus. CONCLUSIONS: In symptomatic medical inpatients with known or suspected COVID-19, we recommend the use of LUS to: (1) support the diagnosis of pneumonitis but not diagnose COVID-19, (2) rule out concerning ultrasound features, (3) monitor patients with a change in the clinical status, and (4) avoid unnecessary additional imaging for patients whose pretest probability of an alternative or superimposed diagnosis is low. We do not recommend the use of LUS to guide admission and discharge decisions. We do not recommend routine serial LUS in patients without a change in their clinical condition.
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 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».