MétaCan
Menu
← Retour à la cohorte
Enregistrement W6958118338 · doi:10.60692/8h8k6-za875

Early short course of neuromuscular blocking agents in patients with COVID-19 ARDS: a propensity score analysis

2022· article· en· W6958118338 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueRespiratory Support and Mechanisms
Établissements canadiensUniversity of British ColumbiaUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésPropensity score matchingARDSHazard ratioNeuromuscular Blocking AgentsDiabetes mellitusCohortCohort studyMechanical ventilation

Résumé

récupéré en direct d'OpenAlex

The role of neuromuscular blocking agents (NMBAs) in coronavirus disease 2019 (COVID-19) acute respiratory distress syndrome (ARDS) is not fully elucidated. Therefore, we aimed to investigate in COVID-19 patients with moderate-to-severe ARDS the impact of early use of NMBAs on 90-day mortality, through propensity score (PS) matching analysis.We analyzed a convenience sample of patients with COVID-19 and moderate-to-severe ARDS, admitted to 244 intensive care units within the COVID-19 Critical Care Consortium, from February 1, 2020, through October 31, 2021. Patients undergoing at least 2 days and up to 3 consecutive days of NMBAs (NMBA treatment), within 48 h from commencement of IMV were compared with subjects who did not receive NMBAs or only upon commencement of IMV (control). The primary objective in the PS-matched cohort was comparison between groups in 90-day in-hospital mortality, assessed through Cox proportional hazard modeling. Secondary objectives were comparisons in the numbers of ventilator-free days (VFD) between day 1 and day 28 and between day 1 and 90 through competing risk regression.Data from 1953 patients were included. After propensity score matching, 210 cases from each group were well matched. In the PS-matched cohort, mean (± SD) age was 60.3 ± 13.2 years and 296 (70.5%) were male and the most common comorbidities were hypertension (56.9%), obesity (41.1%), and diabetes (30.0%). The unadjusted hazard ratio (HR) for death at 90 days in the NMBA treatment vs control group was 1.12 (95% CI 0.79, 1.59, p = 0.534). After adjustment for smoking habit and critical therapeutic covariates, the HR was 1.07 (95% CI 0.72, 1.61, p = 0.729). At 28 days, VFD were 16 (IQR 0-25) and 25 (IQR 7-26) in the NMBA treatment and control groups, respectively (sub-hazard ratio 0.82, 95% CI 0.67, 1.00, p = 0.055). At 90 days, VFD were 77 (IQR 0-87) and 87 (IQR 0-88) (sub-hazard ratio 0.86 (95% CI 0.69, 1.07; p = 0.177).In patients with COVID-19 and moderate-to-severe ARDS, short course of NMBA treatment, applied early, did not significantly improve 90-day mortality and VFD. In the absence of definitive data from clinical trials, NMBAs should be indicated cautiously in this setting.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,248
Écart entre enseignants0,179 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information System→Même sujetRespiratory Support and Mechanisms→Travaux en français237 207→