Quality and methodology of clinical practice guidelines on antiviral pharmacotherapy for COVID-19 during the early phase of the pandemic
Notice bibliographique
Résumé
INTRODUCTION: Despite availability of reliable guidelines development methods, the risk of producing less reliable documents may be higher when the guidelines are developed rapidly. OBJECTIVES: The aim of this study was to assess quality of guidelines on coronavirus disease 2019 (COVID-19), developed in the early stages of COVID-19 pandemic and assess if recommendations for pharmacotherapy were supported by evidence. METHODS: We performed the search for documents, that considered antiviral therapies and contained a recommendations for clinicians. The quality of the guidelines was assessed using the AGREE II-Global Rating Scale Instrument and series of additional criteria. RESULTS: The analysis included 40 publications. The median of quality of documents assessed with the AGREE II-GRS tool was 2.0 (interquartile range 1.5-2.5). Most documents did not fulfill the rigour of guideline development quality criteria. The AGREE II-GRS scores did not differ significantly across the type of the document, issuing institution and the mode of publication. 75% of documents provided recommendations for the use of antiviral medications despite apparent lack of sufficient evidence supporting such treatments. Of the included documents, 75% were not updated within the 2 months after the publication of the first randomized controlled trial on COVID-19 antiviral therapy. CONCLUSIONS: Most guidelines or guidance documents published during the early phase of the COVID-19 pandemic were of poor quality, contained recommendations for the use of antiviral therapy for SARS-CoV-2 infection despite only very low quality of evidence available, and were not updated on a regular basis.
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 | 0,015 | 0,199 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».