The Saudi Critical Care Society practice guidelines on the management of COVID-19 in the ICU: Therapy section
Notice bibliographique
Résumé
BACKGROUND: The rapid increase in coronavirus disease 2019 (COVID-19) cases during the subsequent waves in Saudi Arabia and other countries prompted the Saudi Critical Care Society (SCCS) to put together a panel of experts to issue evidence-based recommendations for the management of COVID-19 in the intensive care unit (ICU). METHODS: The SCCS COVID-19 panel included 51 experts with expertise in critical care, respirology, infectious disease, epidemiology, emergency medicine, clinical pharmacy, nursing, respiratory therapy, methodology, and health policy. All members completed an electronic conflict of interest disclosure form. The panel addressed 9 questions that are related to the therapy of COVID-19 in the ICU. We identified relevant systematic reviews and clinical trials, then used the Grading of Recommendations, Assessment, Development and Evaluation (GRADE) approach as well as the evidence-to-decision framework (EtD) to assess the quality of evidence and generate recommendations. RESULTS: The SCCS COVID-19 panel issued 12 recommendations on pharmacotherapeutic interventions (immunomodulators, antiviral agents, and anticoagulants) for severe and critical COVID-19, of which 3 were strong recommendations and 9 were weak recommendations. CONCLUSION: The SCCS COVID-19 panel used the GRADE approach to formulate recommendations on therapy for COVID-19 in the ICU. The EtD framework allows adaptation of these recommendations in different contexts. The SCCS guideline committee will update recommendations as new evidence becomes available.
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 | 0,010 | 0,052 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».