Effect of noninvasive respiratory support on interstitial lung disease with acute respiratory failure: A systematic review and meta-analysis
Notice bibliographique
Résumé
Background Primary studies have demonstrated the effectiveness of noninvasive respiratory supports, including noninvasive positive pressure ventilation (NIPPV) and high flow nasal cannula (HFNC), for improving oxygenation and ventilation in patients with interstitial lung diseases (ILDs) and acute respiratory failure (ARF). These studies have not been synthesized and are not included in current practice guidelines. This systematic review with meta-analysis synthesizes studies that compared the effectiveness of NIPPV, HFNC and conventional oxygen therapy (COT) for improving oxygenation and ventilation in ILD patients with ARF. Methods MEDLINE, EMBASE and the Cochrane Library searches were conducted from inception to August 2023. An additional search of relevant primary literature and review articles was also performed. A random effects model was used to estimate the PF ratio (ratio of arterial oxygen partial pressure to fractional inspired oxygen), PaCO 2 (partial pressure of carbon dioxide), mortality, intubation rate and hospital length of stay. Results Ten studies were included in the systematic review and meta-analysis. Noninvasive respiratory supports demonstrated a significant improvement in PF ratio compared to conventional oxygen therapy (COT); the mean difference was 55.92 (95% CI [18.85-92.99]; p =0.003). Compared to HFNC, there was a significant increase in PF ratio in NIPPV (mean difference 0.45; 95% CI [0.12–0.79]; p =0.008). There were no mortality and intubation rate benefits when comparing NIPPV and HFNC; the mean difference was 1.1; 95% CI [0.83-1.44]; p =0.51 and 1.86; 95% CI [0.42-8.33]; p =0.42, respectively. In addition, there was a significant decrease in hospital length of stay in HFNC compared to NIPPV (mean difference 9.27; 95% Cl [1.45 – 17.1]; p =0.02). Conclusions Noninvasive respiratory supports might be an alternative modality in ILDs with ARF. NIPPV demonstrated a potential to improve the PF ratio compared to HFNC. There was no evidence to support the benefit of NIPPV or HFNC in terms of mortality and intubation rate.
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 | 0,006 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,006 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».