Non-Invasive Multimodal Neuromonitoring in Non-Critically Ill Hospitalized Adult Patients With COVID-19: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Introduction: Neurological complications are frequent in patients with coronavirus disease-2019 (COVID-19). The use of non-invasive neuromonitoring in subjects without primary brain injury but with potential neurological derangement is gaining attention outside the intensive care unit (ICU). This systematic review and meta-analysis investigates the use of non-invasive multimodal neuromonitoring of the brain in non-critically ill patients with COVID-19 outside the ICU and quantifies the prevalence of abnormal neuromonitoring findings in this population. Methods: A structured literature search was performed in MEDLINE/PubMed, Scopus, Cochrane, and EMBASE to investigate the use of non-invasive neuromonitoring tools, including transcranial doppler (TCD); optic nerve sheath diameter (ONSD); near-infrared spectroscopy (NIRS); pupillometry; and electroencephalography (EEG) inpatients with COVID-19 outside the ICU. The proportion of non-ICU patients with CVOID-19 and a particular neurological feature at neuromonitoring at the study time was defined as prevalence. Results: A total of 6,593 records were identified through literature searching. Twenty-one studies were finally selected, comprising 368 non-ICU patients, of whom 97 were considered for the prevalence of meta-analysis. The pooled prevalence of electroencephalographic seizures, periodic and rhythmic patterns, slow background abnormalities, and abnormal background on EEG was.17 (95% CI 0.04-0.29), 0.42 (95% CI 0.01-0.82), 0.92 (95% CI 0.83-1.01), and.95 (95% CI 0.088-1.09), respectively. No studies investigating NIRS and ONSD outside the ICU were found. The pooled prevalence for abnormal neuromonitoring findings detected using the TCD and pupillometry were incomputable due to insufficient data. Conclusions: www.crd.york.ac.uk/prospero/display_record.php?RecordID=265617, identifier: CRD42021265617.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,029 |
| Bibliométrie | 0,007 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».