MétaCan
Menu
Retour à la cohorte
Enregistrement W3138211593 · doi:10.1186/s13054-021-03491-y

Expert consensus statements for the management of COVID-19-related acute respiratory failure using a Delphi method

2021· article· en· W3138211593 sur OpenAlexaff
Prashant Nasa, Élie Azoulay, Ashish K. Khanna, Ravi Jain, Sachin Gupta, Yash Javeri, Deven Juneja, Pradeep Rangappa, Krishnaswamy Sundararajan, Waleed Alhazzani, Massimo Antonelli, Yaseen M. Arabi, Jan Bakker, Laurent Brochard, Adam M. Deane, Bin Du, Sharon Einav, Ognjen Gajic, Samuel M. Galvagno, Claude Guérin, Samir Jaber, Gopi C. Khilnani, Younsuck Koh, Jean-Baptiste Lascarrou, F.S. Machado, Manu L. N. G. Malbrain, Jordi Mancebo, Michael T. McCurdy, Brendan McGrath, Sangeeta Mehta, Armand Mekontso Dessap, Mervyn Mer, Michael Nurok, Pauline K. Park, Paolo Pelosi, John V. Peter, Jason Phua, David Pilcher, Lise Piquilloud, Peter Schellongowski, Marcus J. Schultz, Manu Shankar‐Hari, Suveer Singh, Massimiliano Sorbello, Ravindranath Tiruvoipati, Andrew Udy, Tobias Welte, Sheila Nainan Myatra

Notice bibliographique

RevueCritical Care · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensSinai Health SystemSt. Michael's HospitalUniversity of TorontoMcMaster University
Organismes subventionnairesNational Institutes of HealthBundesministerium für Bildung und ForschungDepartment of Health and Social CareMSD ItaliaNational Institute for Health and Care ResearchSanofiPfizerAstraZenecaDeutsche ForschungsgemeinschaftEli Lilly and CompanyBristol-Myers Squibb
Mots-clésMedicineARDSIntensive care medicineIntubationRespiratory failureVentilation (architecture)HypoxemiaAnesthesiaIntensive careLungInternal medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Coronavirus disease 2019 (COVID-19) pandemic has caused unprecedented pressure on healthcare system globally. Lack of high-quality evidence on the respiratory management of COVID-19-related acute respiratory failure (C-ARF) has resulted in wide variation in clinical practice. Methods Using a Delphi process, an international panel of 39 experts developed clinical practice statements on the respiratory management of C-ARF in areas where evidence is absent or limited. Agreement was defined as achieved when > 70% experts voted for a given option on the Likert scale statement or > 80% voted for a particular option in multiple-choice questions. Stability was assessed between the two concluding rounds for each statement, using the non-parametric Chi-square ( χ 2 ) test ( p < 0·05 was considered as unstable). Results Agreement was achieved for 27 (73%) management strategies which were then used to develop expert clinical practice statements. Experts agreed that COVID-19-related acute respiratory distress syndrome (ARDS) is clinically similar to other forms of ARDS. The Delphi process yielded strong suggestions for use of systemic corticosteroids for critical COVID-19; awake self-proning to improve oxygenation and high flow nasal oxygen to potentially reduce tracheal intubation; non-invasive ventilation for patients with mixed hypoxemic-hypercapnic respiratory failure; tracheal intubation for poor mentation, hemodynamic instability or severe hypoxemia; closed suction systems; lung protective ventilation; prone ventilation (for 16–24 h per day) to improve oxygenation; neuromuscular blocking agents for patient-ventilator dyssynchrony; avoiding delay in extubation for the risk of reintubation; and similar timing of tracheostomy as in non-COVID-19 patients. There was no agreement on positive end expiratory pressure titration or the choice of personal protective equipment. Conclusion Using a Delphi method, an agreement among experts was reached for 27 statements from which 20 expert clinical practice statements were derived on the respiratory management of C-ARF, addressing important decisions for patient management in areas where evidence is either absent or limited. Trial registration : The study was registered with Clinical trials.gov Identifier: NCT04534569.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,487

Scores Codex et Gemma par catégorie

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

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 Opus0,144
Tête enseignante GPT0,491
Écart entre enseignants0,347 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations194
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCritical CareMême sujetRespiratory Support and MechanismsTravaux en français237 207