A Systematic Review of Coronavirus Disease 2019 with Respiratory Distress Syndrome in Adult: Focus on Risk Factors, Mechanism, Diagnosis, and Treatment
Notice bibliographique
Résumé
<p><strong>Context: </strong>Coronavirus disease 2019 (COVID-19) is a newly discovered disease, caused by SARS-CoV-2 and currently has become a pandemic. Acute respiratory distress syndrome (ARDS) is the most common complication in COVID-19. There were numerous conflicting results among articles related to it. The aim of this study is to ascertain the most compelling evidence about ARDS in COVID-19.</p><p><strong>Evidence Acquisition: </strong>This systematic review was registered in PROSPERO (CRD42020180379). A systematic search was conducted in PubMed, PubMed central, and Google Scholar on April 16, 2020. Two reviewers independently searched and selected the articles. The risk of bias was evaluated using the Newcastle-Ottawa Quality assessment tool.</p><p><strong>Results: </strong>A total of 1,647 articles were screened, 9 articles were included. Patients were classified as having various degrees of ARDS, the diagnosis of COVID-19 was confirmed by PCR nasopharyngeal swab. Risk factors of ARDS in COVID-19 reported were older age, male gender, and pre-existing medical conditions. Cytokine storm was thought to play a role in the mechanism of ARDS. The main treatment for COVID-19 was supportive and symptomatic. To date, there is no antiviral treatment recommended for COVID-19 and the given treatment for ARDS in COVID-19 was similar to other pneumonia-induced ARDS. No additional therapy specific for ARDS in COVID-19 has been proposed.</p><strong>Conclusion: </strong>Our synthesis of the literature showed that there was no good evidence in the mechanism and treatment of ARDS. Further translation research in the mechanism of ARDS and continuing with clinical trials evaluating drug efficacy for ARDS in COVID-19 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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».