MétaCan
Menu
Retour à la cohorte
Enregistrement W3135439283 · doi:10.1097/ccm.0000000000004950

A Systematic Review of the Incidence and Outcomes of In-Hospital Cardiac Arrests in Patients With Coronavirus Disease 2019*

2021· review· en· W3135439283 sur OpenAlexaboutno aff
Zheng Jie Lim, Mallikarjuna Ponnapa Reddy, J. Randall Curtis, Baki Billah, Vishad Sheth, Salim S. Hayek, David E. Leaf, Jeremy Miles, Priyank Shah, Eugene Yuriditsky, Daryl Jones, Kiran Shekar, Ashwin Subramaniam

Notice bibliographique

RevueCritical Care Medicine · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCardiac Arrest and Resuscitation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineAsystoleReturn of spontaneous circulationIncidence (geometry)Pulseless electrical activityCardiopulmonary resuscitationEmergency medicineInternal medicineIntensive care medicineResuscitation

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: To investigate the incidence, characteristics, and outcomes of in-hospital cardiac arrest in patients with coronavirus disease 2019 and to describe the characteristics and outcomes for patients with in-hospital cardiac arrest within the ICU, compared with non-ICU patients with in-hospital cardiac arrest. Finally, we evaluated outcomes stratified by age. DATA SOURCES: A systematic review of PubMed, EMBASE, and preprint websites was conducted between January 1, 2020, and December 10, 2020. Prospective Register of Systematic Reviews identification: CRD42020203369. STUDY SELECTION: Studies reporting on consecutive in-hospital cardiac arrest with a resuscitation attempt among patients with coronavirus disease 2019. DATA EXTRACTION: Two authors independently performed study selection and data extraction. Study quality was assessed with the Newcastle-Ottawa Scale. Data were synthesized according to the Preferred Reporting Items for Systematic Reviews guidelines. Discrepancies were resolved by consensus or through an independent third reviewer. DATA SYNTHESIS: Eight studies reporting on 847 in-hospital cardiac arrest were included. In-hospital cardiac arrest incidence varied between 1.5% and 5.8% among hospitalized patients and 8.0-11.4% among patients in ICU. In-hospital cardiac arrest occurred more commonly in older male patients. Most initial rhythms were nonshockable (83.9%, [asystole = 36.4% and pulseless electrical activity = 47.6%]). Return of spontaneous circulation occurred in 33.3%, with a 91.7% in-hospital mortality. In-hospital cardiac arrest events in ICU had higher incidence of return of spontaneous circulation (36.6% vs 18.7%; p < 0.001) and relatively lower mortality (88.7% vs 98.1%; p < 0.001) compared with in-hospital cardiac arrest in non-ICU locations. Patients greater than or equal to 60 years old had significantly higher in-hospital mortality than those less than 60 years (93.1% vs 87.9%; p = 0.019). CONCLUSIONS: Approximately, one in 20 patients hospitalized with coronavirus disease 2019 received resuscitation for an in-hospital cardiac arrest. Hospital survival after in-hospital cardiac arrest within the ICU was higher than non-ICU locations and seems comparable with prepandemic survival for nonshockable rhythms. Although the data provide guidance surrounding prognosis after in-hospital cardiac arrest, it should be interpreted cautiously given the paucity of information surrounding treatment limitations and resource constraints during the pandemic. Further research is into actual causative mechanisms is needed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,061
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,061
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0120,011
Bibliométrie0,0140,015
Études des sciences et des technologies0,0010,001
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,015
Tête enseignante GPT0,354
Écart entre enseignants0,338 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

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

En bref

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical Care MedicineMême sujetCardiac Arrest and ResuscitationTravaux en français237 207