Low utilisation of bronchoscopy to assess COVID-19 respiratory infection: a multicenter experience
Notice bibliographique
Résumé
OBJECTIVE: For the diagnosis of COVID-19, the yield of nasopharyngeal (NP) swabs is unclear, and bronchoalveolar lavage (BAL) is obtained to confirm the diagnosis. We assessed the utilisation of bronchoscopy for COVID-19 diagnosis in a multicenter study and compared the diagnostic yield of BAL versus NP swabs. METHODS: This retrospective study included all patients who were admitted with clinical presentation concerning for COVID-19 and underwent BAL from 1 March to 31 July 2020 at four tertiary care centres in North America. We also compared concordance of BAL with NP swabs for diagnosis of COVID-19 infection. RESULTS: Fifty-three patients, with clinical suspicion for COVID-19 and admitted for respiratory failure, underwent bronchoscopy to collect BAL for SARS-CoV-2 testing. During the same period, 2039 bronchoscopies were performed on patients not infected with COVID-19. Of 42 patients with NP swabs and BAL collected within ≤7 days, 1 was NP swab negative but positive by BAL for SARS-CoV-2 (n=1/42 (2.4%)). Across a wide array of testing platforms, the overall agreement between NP swabs and BAL results was 97.6% (95% CI: 93.0% to 100%) with Cohen's k of 0.90 (95% CI: 0.69 to 1.00). The sensitivity, specificity, positive and negative predictive values of NP swabs compared with BAL were 83.3% (95% CI: 53.5% to 100%), 100%, 100% and 97.3% (95% CI: 92.1% to 100%), respectively. CONCLUSIONS: BAL was used infrequently to assess COVID-19 in busy institutions. NP swabs have a high concordance with BAL for COVID-19 testing, but negative NP swabs should be confirmed with BAL when clinical suspicion is high.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».