Efficacy and safety of antiviral treatment for COVID-19 from evidence in studies of SARS-CoV-2 and other acute viral infections: a systematic review and meta-analysis
Notice bibliographique
Résumé
BACKGROUND: Antiviral medications are being given empirically to some patients with coronavirus disease 2019 (COVID-19). To support the development of a COVID-19 management guideline, we conducted a systematic review that addressed the benefits and harms of 7 antiviral treatments for COVID-19. METHODS: We searched MEDLINE, Embase, Cochrane Central Register of Controlled Trials (CENTRAL), PubMed and 3 Chinese databases (CNKI, WANFANG and SinoMed) through Apr. 19, medRxiv and Chinaxiv through Apr. 27, and Chongqing VIP through Apr. 30, 2020. We included studies of ribavirin, chloroquine, hydroxychloroquine, umifenovir (arbidol), favipravir, interferon and lopinavir/ritonavir. If direct evidence from COVID-19 studies was not available, we included indirect evidence from studies of severe acute respiratory syndrome (SARS) and Middle East respiratory syndrome (MERS) for efficacy outcomes and other acute respiratory viral infections for safety outcomes. RESULTS: In patients with nonsevere COVID-19 illness, the death rate was extremely low, precluding an important effect on mortality. We found only very low-quality evidence with little or no suggestion of benefit for most treatments and outcomes in both nonsevere and severe COVID-19. An exception was treatment with lopinavir/ritonavir, for which we found low-quality evidence for a decrease in length of stay in the intensive care unit (risk difference 5 d shorter, 95% confidence interval [CI] 0 to 9 d) and hospital stay (risk difference 1 d shorter, 95% CI 0 to 2 d). For safety outcomes, evidence was of low or very low quality, with the exception of treatment with lopinavir/ritonavir for which moderate-quality evidence suggested likely increases in diarrhea, nausea and vomiting. INTERPRETATION: To date, persuasive evidence of important benefit in COVID-19 does not exist for any antiviral treatments, although for each treatment evidence has not excluded important benefit. Additional randomized controlled trials involving patients with COVID-19 will be needed before such treatments can be administered with confidence.
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 | 0,005 | 0,168 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,001 |
| 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 | 0,001 |
| 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 ».