Pragmatic Recommendations for the Use of Diagnostic Testing and Prognostic Models in Hospitalized Patients with Severe COVID-19 in Low- and Middle-Income Countries
Notice bibliographique
Résumé
Management of patients with severe or critical COVID-19 is mainly modeled after care of patients with severe pneumonia or acute respiratory distress syndrome from other causes. These models are based on evidence that primarily originates from investigations in high-income countries, but it may be impractical to apply these recommendations to resource-restricted settings in low- and middle-income countries (LMICs). We report on a set of pragmatic recommendations for microbiology and laboratory testing, imaging, and the use of diagnostic and prognostic models in patients with severe COVID-19 in LMICs. For diagnostic testing, where reverse transcription-PCR (RT-PCR) testing is available and affordable, we recommend using RT-PCR of the upper or lower respiratory specimens and suggest using lower respiratory samples for patients suspected of having COVID-19 but have negative RT-PCR results for upper respiratory tract samples. We recommend that a positive RT-PCR from any anatomical source be considered confirmatory for SARS-CoV-2 infection, but, because false-negative testing can occur, recommend that a negative RT-PCR does not definitively rule out active infection if the patient has high suspicion for COVID-19. We suggest against using serologic assays for the detection of active or past SARS-CoV-2 infection, until there is better evidence for its usefulness. Where available, we recommend the use of point-of-care antigen-detecting rapid diagnostic testing for SARS-CoV-2 infection as an alternative to RT-PCR, only if strict quality control measures are guaranteed. For laboratory testing, we recommend a baseline white blood cell differential platelet count and hemoglobin, creatinine, and liver function tests and suggest a baseline C-reactive protein, lactate dehydrogenase, troponin, prothrombin time (or other coagulation test), and D-dimer, where such testing capabilities are available. For imaging, where availability of standard thoracic imaging is limited, we suggest using lung ultrasound to identify patients with possible COVID-19, but recommend against its use to exclude COVID-19. We suggest using lung ultrasound in combination with clinical parameters to monitor progress of the disease and responses to therapy in COVID-19 patients. We currently suggest against using diagnostic and prognostic models as these models require extensive laboratory testing and imaging, which often are limited in LMICs.
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 | 0,074 | 0,297 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,005 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,006 |
| Science ouverte | 0,008 | 0,008 |
| Intégrité de la recherche | 0,023 | 0,016 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,005 |
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 ».