Knowledge translation tools to guide care of non-intubated patients with acute respiratory illness during the COVID-19 Pandemic
Notice bibliographique
Résumé
Providing optimal care to patients with acute respiratory illness while preventing hospital transmission of COVID-19 is of paramount importance during the pandemic; the challenge lies in achieving both goals simultaneously. Controversy exists regarding the role of early intubation versus use of non-invasive respiratory support measures to avoid intubation. This review summarizes available evidence and provides a clinical decision algorithm with risk mitigation techniques to guide clinicians in care of the hypoxemic, non-intubated, patient during the COVID-19 pandemic. Although aerosolization of droplets may occur with aerosol-generating medical procedures (AGMP), including high flow nasal oxygen and non-invasive ventilation, the risk of using these AGMP is outweighed by the benefit in carefully selected patients, particularly if care is taken to mitigate risk of viral transmission. Non-invasive support measures should not be denied for conditions where previously proven effective and may be used even while there is suspicion of COVID-19 infection. Patients with de novo acute respiratory illness with suspected/confirmed COVID-19 may also benefit. These techniques may improve oxygenation sufficiently to allow some patients to avoid intubation; however, patients must be carefully monitored for signs of increased work of breathing. Patients showing signs of clinical deterioration or high work of breathing not alleviated by non-invasive support should proceed promptly to intubation and invasive lung protective ventilation strategy. With adherence to these principles, risk of viral spread can be minimized.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 |
| 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 ».