Effectiveness of high-flow nasal cannula therapy on clinical outcomes in adults with COVID-19: A systematic review
Notice bibliographique
Résumé
Introduction/Background: Coronavirus disease 2019 (COVID-19) has high transmissibility and mortality rates. High-flow nasal cannula therapy (HFNC) might reduce the need for orotracheal intubation, easing the burden on the health system caused by COVID-19. The objective of the present study was to examine the effectiveness of HFNC in adult patients hospitalized with COVID-19. Specifically, the present study explores the effects of HFNC on rates of mortality, intubation and intensive care units (ICU) length of stay. The present study also seeks to define predictors of success and failure of HFNC. Methods: A systematic literature search was conducted in the PubMed, EMBASE and SCOPUS databases, and the study was prepared according to the Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines. Study quality was assessed using the National Heart, Lung, and Blood Institute's Study Quality Assessment Tools. Results: The search identified 1,476 unique titles; 95 articles received full-text reviews and 40 studies were included in this review. HFNC was associated with a reduction in the rate of orotracheal intubation, notably when compared to conventional oxygen therapy. Studies reported inconsistency in whether HFNC reduced ICU length of stay or mortality rates. Among the predictors of HFNC failure/success, a ratio of oxygen saturation index of approximately 5 or more was associated with HFNC success. Conclusion: In adult patients hospitalized with COVID-19, HFNC may prove effective in reducing the rate of orotracheal intubation. The ratio of the oxygen saturation index was the parameter most examined as a predictor of HFNC success. Low-level research designs, inherent study weaknesses and inconsistent findings made it impossible to conclude whether HFNC reduces ICU length of stay or mortality. Future studies should employ higher level research designs.
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 | 0,007 | 0,034 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,010 | 0,012 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».