MétaCan
Menu
Retour à la cohorte
Enregistrement W3133234759 · doi:10.1097/ccm.0000000000004895

The Surviving Sepsis Campaign: Research Priorities for Coronavirus Disease 2019 in Critical Illness

2021· article· en· W3133234759 sur OpenAlexaff
Craig M. Coopersmith, Massimo Antonelli, Seth R. Bauer, Clifford S. Deutschman, Laura Evans, Ricard Ferrer, Judith Hellman, Sameer Jog, Jozef Kesecioğlu, Niranjan Kissoon, Ignacio Martín‐Loeches, Mark Nunnally, Hallie C. Prescott, Andrew Rhodes, Daniel Talmor, Pierre Tissières, Daniel De Backer

Notice bibliographique

RevueCritical Care Medicine · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicinePandemicCoronavirusIntensive care medicineSepsisDiseaseIntensive carePsychological interventionCoronavirus disease 2019 (COVID-19)Infectious disease (medical specialty)ImmunologyInternal medicineNursing

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To identify research priorities in the management, pathophysiology, and host response of coronavirus disease 2019 in critically ill patients. DESIGN: The Surviving Sepsis Research Committee, a multiprofessional group of 17 international experts representing the European Society of Intensive Care Medicine and Society of Critical Care Medicine, was virtually convened during the coronavirus disease 2019 pandemic. The committee iteratively developed the recommendations and subsequent document. METHODS: Each committee member submitted a list of what they believed were the most important priorities for coronavirus disease 2019 research. The entire committee voted on 58 submitted questions to determine top priorities for coronavirus disease 2019 research. RESULTS: The Surviving Sepsis Research Committee provides 13 priorities for coronavirus disease 2019. Of these, the top six priorities were identified and include the following questions: 1) Should the approach to ventilator management differ from the standard approach in patients with acute hypoxic respiratory failure?, 2) Can the host response be modulated for therapeutic benefit?, 3) What specific cells are directly targeted by severe acute respiratory syndrome coronavirus 2, and how do these cells respond?, 4) Can early data be used to predict outcomes of coronavirus disease 2019 and, by extension, to guide therapies?, 5) What is the role of prone positioning and noninvasive ventilation in nonventilated patients with coronavirus disease?, and 6) Which interventions are best to use for viral load modulation and when should they be given? CONCLUSIONS: Although knowledge of both biology and treatment has increased exponentially in the first year of the coronavirus disease 2019 pandemic, significant knowledge gaps remain. The research priorities identified represent a roadmap for investigation in coronavirus disease 2019.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,028
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,643
Score d'incertitude au seuil0,981

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,028
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,174
Tête enseignante GPT0,492
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations87
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetRespiratory Support and MechanismsTravaux en français237 207