Epidemiology, clinical characteristics and treatment of critically ill patients with COVID-19): a protocol for a living systematic review
Notice bibliographique
Résumé
INTRODUCTION: In December 2019, the first cases of COVID-19 associated with SARS-CoV-2 viral infection were described in Wuhan, Hubei Province, China. Since then, it has spread rapidly affecting 188 countries and was declared a pandemic by the WHO on 11 March 2020. Preliminary reports suggest up to 30% of patients require intensive care unit (ICU) admission and case fatality rate estimate is 2.3%-7.2%. The primary reason for ICU admission is hypoxaemic respiratory failure, while factors associated with ICU admission include increased age, presence of comorbidities and cytokine storm. Case series and retrospective trials initially assessed proposed treatments with randomised controlled trials now reporting early outcomes. We conduct a systematic review and meta-analysis to identify epidemiological factors, treatments and complications that predict mortality among critically ill patients with COVID-19. METHODS AND ANALYSIS: Our comprehensive search strategy was developed in consultation with a research librarian. We will search electronic databases: Ovid Medline, Ovid Embase, Ovid Cumulative Index to Nursing and Allied Health Literature (CINAHL) and Wiley Cochrane Library. The search strategy combines concepts from COVID-19, validated COVID-19 search filters and geographical locations of large outbreaks. Citation screening, selection, quality assessment and data abstraction will be performed in duplicate. Clinically homogenous epidemiological characteristics, interventions and complications will be pooled in statistical meta-analysis. Within the framework of a living systematic review, the search and data analysis will be updated every 6 months. ETHICS AND DISSEMINATION: Our systematic review will synthesise literature on risk factors and interventions associated with mortality in critically ill patients with COVID-19. Results will be presented at national and international conferences and submitted for peer-reviewed publication. The pooled analysis can provide guidance to inform clinical guidelines for care of critically ill patients with COVID-19. Iterative updates will be made public through open access. Research ethics approval is not required. PROSPERO REGISTRATION NUMBER: CRD42020176672.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,048 | 0,058 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,003 |
| Méta-épidémiologie (sens large) | 0,015 | 0,015 |
| Bibliométrie | 0,014 | 0,013 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,008 | 0,008 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,052 | 0,006 |
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 source (Gemma direct ou Codex distillé), 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 ».