Interventions for the management of post COVID-19 condition (long COVID): Protocol for a living systematic review & network meta-analysis
Notice bibliographique
Résumé
Abstract Background Up to 15% of survivors of COVID-19 infection experience long-term health effects, including fatigue, myalgia, and impaired cognitive function, termed post COVID-19 condition or long COVID. Several trials that study the benefits and harms of various interventions to manage long COVID have been published and hundreds more are planned or are ongoing. Trustworthy systematic reviews that clarify the benefits and harms of interventions are critical to promote evidence-based practice. Objective To create and maintain a living systematic review and network meta-analysis addressing the benefits and harms of pharmacologic and non-pharmacologic interventions for the treatment and management of long COVID. Methods Eligible trials will randomize adults with long COVID, to pharmacologic or non-pharmacologic interventions, placebo, sham, or usual care. We will identify eligible studies by searches of MEDLINE, EMBASE, CINAHL, PsycInfo, AMED, and CENTRAL, from inception, without language restrictions. Reviewers will work independently and in duplicate to screen search records, collect data from eligible trials, including trial and patient characteristics and outcomes of interest, and assess risk of bias. Our outcomes of interest will include fatigue, pain, post-exertional malaise, changes in education or employment status, cognitive function, mental health, dyspnea, quality of life, patient-reported physical function, recovery, and serious adverse events. For each outcome, when possible, we will perform a frequentist random-effects network meta-analysis. When there are compelling reasons to suspect that certain interventions are only applicable or effective for a subtype of long COVID, we will perform separate network meta-analyses. The GRADE approach will guide our assessment of the certainty of evidence. We will update our living review biannually, upon the publication of a seminal trial, or when new evidence emerges that may change clinical practice. Conclusion This living systematic review and network meta-analysis will provide comprehensive, trustworthy, and up-to-date summaries of the evidence addressing the benefits and harms of interventions for the treatment and management of long COVID. We will make our findings available publicly and work with guideline producing organizations to inform their recommendations.
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 | 0,067 | 0,106 |
| Méta-épidémiologie (sens strict) | 0,007 | 0,004 |
| Méta-épidémiologie (sens large) | 0,020 | 0,025 |
| Bibliométrie | 0,012 | 0,011 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,009 | 0,007 |
| Science ouverte | 0,005 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,085 | 0,010 |
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 ».