Effect of early and later prone positioning on outcomes in invasively ventilated COVID-19 patients with acute respiratory distress syndrome: analysis of the prospective COVID-19 critical care consortium cohort study
Notice bibliographique
Résumé
BACKGROUND: Prone positioning of patients with COVID-19 undergoing invasive mechanical ventilation (IMV) is widely used, but evidence of efficacy remains sparse. The COVID-19 Critical Care Consortium has generated one of the largest global datasets on the management and outcomes of critically ill COVID-19 patients. This prospective cohort study investigated the association between prone positioning and mortality and in particular focussed on timing of treatment. METHODS: We investigated the incidence, demographic profile, management and outcomes of proned patients undergoing IMV for COVID-19 in the study. We compared outcomes between patients prone positioned within 48 h of IMV to those (i) never proned, and (ii) proned only after 48 h. RESULTS: 3131 patients had data on prone positioning, 1482 (47%) were never proned, 1034 (33%) were proned within 48 h and 615 (20%) were proned only after 48 h of commencement of IMV. 28-day (hazard ratio 0.82, 95% confidence interval [CI] 0.68, 0.98, p = 0.03) and 90-day (hazard ratio 0.81, 95% CI 0.68, 0.96, p = 0.02) mortality risks were lower in those patients proned within 48 h of IMV compared to those never proned. However, there was no evidence for a statistically significant association between prone positioning after 48 h with 28-day (hazard ratio 0.93, 95% CI 0.75, 1.14, p = 0.47) or 90-day mortality (hazard ratio 0.95, 95% CI 0.78, 1.16, p = 0.59). CONCLUSIONS: Prone positioning is associated with improved outcomes in patients with COVID-19, but timing matters. We found no association between later proning and patient outcome.
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 | 0,000 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».