Consistency of recommendations and methodological quality of guidelines for the diagnosis and treatment of COVID‐19
Notice bibliographique
Résumé
OBJECTIVE: Since the beginning of the COVID-19 epidemic, a large number of guidelines on diagnosis and treatment of COVID-19 have been developed, but the quality of those guidelines and the consistency of recommendations are unclear. The objective of this study is to evaluate the quality of the diagnosis and treatment guidelines on COVID-19 and analyze the consistency of the recommendations of these guidelines. METHODS: We searched for guidelines on diagnosis and/or treatment of COVID-19 through PubMed, CBM, CNKI, and WanFang Data, from January 1, 2020 to August 31, 2020. In addition, we also searched official websites of the US CDC, European CDC and WHO, and some guideline collection databases. We included diagnosis and/or treatment guidelines for COVID-19, including rapid advice guidelines and interim guidelines. Two trained researchers independently extracted data and four trained researchers evaluated the quality of the guidelines using the AGREE II instruments. We extracted information on the basic characteristics of the guidelines, guideline development process, and the recommendations. We described the consistency of the direction of recommendations for treatment and diagnosis of COVID-19 across the included guidelines. RESULTS: A total of 37 guidelines were included. Most included guidelines were assessed as low quality, with only one of the six domains of AGREE II (clarity of presentation) having a mean score above 50%. The mean scores of three domains (stakeholder involvement, the rigor of development and applicability) were all below 30%. The recommendations on diagnosis and treatment were to some extent consistent between the included guidelines. Computed tomography (CT), X-rays, lung ultrasound, RT-PCR, and routine blood tests were the most commonly recommended methods for COVID-19 diagnosis. Thirty guidelines were on the treatment of COVID-19. The recommended forms of treatment included supportive care, antiviral therapy, glucocorticoid therapy, antibiotics, immunoglobulin, extracorporeal membrane oxygenation (ECMO), convalescent plasma, and psychotherapy. CONCLUSIONS: The methodological quality of currently available diagnosis and treatment guidelines for COVID-19 is low. The diagnosis and treatment recommendations between the included guidelines are highly consistent. The main diagnostic methods for COVID-19 are RT-PCR and CT, with ultrasound as a potential diagnostic tool. As there is no effective treatment against COVID-19 yet, supportive therapy is at the moment the most important treatment option.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | Métarecherche Domaine: Évaluation · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
| gpt | Métarecherche Domaine: Évaluation · Genre: Synthèse Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Revue systématique | low |
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 | 0,538 | 0,846 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,008 |
| Bibliométrie | 0,030 | 0,025 |
| Études des sciences et des technologies | 0,003 | 0,005 |
| Communication savante | 0,010 | 0,007 |
| Science ouverte | 0,006 | 0,008 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».