Adherence of Clinical Practice Guidelines for Pharmacologic Treatments of Hospitalized Patients With COVID-19 to Trustworthy Standards
Notice bibliographique
Résumé
Importance: The COVID-19 pandemic created the need for rapid and urgent guidance for clinicians to manage COVID-19 among patients and prevent transmission. Objective: To appraise the quality of clinical practice guidelines (CPGs) using the National Academy of Medicine (NAM) criteria. Evidence Review: A search of MEDLINE, EMBASE, and the Cochrane Central Register of Controlled Trials to December 14, 2020, and a search of related articles to February 28, 2021, that included CPGs developed by societies or by government or nongovernment organizations that reported pharmacologic treatments of hospitalized patients with COVID-19. Teams of 2 reviewers independently abstracted data and assessed CPG quality using the 15-item National Guideline Clearinghouse Extent of Adherence to Trustworthy Standards (NEATS) instrument. Findings: Thirty-two CPGs were included in the review. Of these, 25 (78.1%) were developed by professional societies and emanated from a single World Health Organization (WHO) region. Overall, the CPGs were of low quality. Only 7 CPGs (21.9%) reported funding sources, and 12 (37.5%) reported conflicts of interest. Only 5 CPGs (15.6%) included a methodologist, described a search strategy or study selection process, or synthesized the evidence. Although 14 CPGs (43.8%) made recommendations or suggestions for or against treatments, they infrequently rated confidence in the quality of the evidence (6 of 32 [18.8%]), described potential benefits and harms (6 of 32 [18.8%]), or graded the strength of the recommendations (5 of 32 [15.6%]). External review, patient or public perspectives, or a process for updating were rare. High-quality CPGs included a methodologist and multidisciplinary collaborations involving investigators from 2 or more WHO regions. Conclusions and Relevance: In this review, few COVID-19 CPGs met NAM standards for trustworthy guidelines. Approaches that prioritize engagement of a methodologist and multidisciplinary collaborators from at least 2 WHO regions may lead to the production of fewer, high-quality CPGs that are poised for updates as new evidence emerges. Trial Registration: PROSPERO Identifier: CRD42021245239.
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 | 0,013 | 0,165 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,006 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».