Convalescent Plasma in Critically ill Patients with Covid-19
Notice bibliographique
Résumé
Abstract BACKGROUND The evidence for benefit of convalescent plasma for critically ill patients with Covid-19 is inconsistent. We hypothesized that convalescent plasma would improve outcomes for critically ill adult patients with Covid-19. METHODS In an ongoing adaptive platform trial, critically ill patients with confirmed Covid-19, defined as receiving intensive care-level organ support, were randomized to open-label convalescent plasma or not (i.e., control group). The primary end point was organ support-free days (i.e., days alive and free of ICU-based organ support) up to day 21. The primary analysis was a Bayesian cumulative logistic model with predefined criteria for superiority or futility. An odds ratio greater than 1 represented improved survival, more organ support–free days, or both. RESULTS The convalescent plasma intervention was stopped after pre-specified criteria for futility were met. At that time, 1084 participants had been randomized to convalescent plasma and 916 to no convalescent plasma (control). The median organ support-free days were 0 (interquartile range, -1 to 16) for the convalescent plasma group and 3 (interquartile range, -1 to 16) days for the control group. The median adjusted odds ratio (OR) was 0.97 (95% credible interval 0.83 to 1.15) and posterior probability of futility (OR < 1.2) was 99.4% for convalescent plasma compared to control. In-hospital mortality was 37.3% (401/1075) in convalescent plasma group, and 38.4% (347/904) in controls. The observed treatment effects were consistent across primary and secondary outcomes. CONCLUSIONS In critically ill adults with confirmed Covid-19, treatment with convalescent plasma, did not improve clinical outcomes. Clinicaltrials.gov: NCT02735707
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 | 0,229 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».