Exploring Repurposing Potential of Existing Drugs in the Management of COVID-19 Epidemic: A Critical Review
Notice bibliographique
Résumé
studies identified various molecules as possible therapies against severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), these findings call for substantiation by human studies. We conducted this review aiming at reporting evidences on therapies used so far globally for management of COVID-19 in clinical settings. We searched electronic databases as PubMed, Google Scholar, EMBASE and extracted 612 possible studies as on May 31, 2020. We included original studies of any epidemiological design done on human COVID-19 patients and measured clinical outcomes. Finally, following removal of duplicates and studies meeting exclusion criteria, we derived 22 studies, of which eight were clinical trials, seven were case reports and case series, and seven were observational studies. The most reported therapies were hydroxychloroquine (HCQ) (eight studies) and lopinavir/ritonavir (four studies). We conclude from the evidence generated so far that interferon combined with antivirals, remdesivir, umifenovir and favipiravir were mostly associated with better clinical outcomes. The therapeutic effect of HCQ was established initially by two clinical trials; one of them showing a reinforcing effect by azithromycin but subsequent studies did not elicit any effectiveness rather increased rate of adverse events was reported. Lopinavir/ritonavir was found beneficial when administered with interferon and ribavirin, but one clinical trial on its sole use proved contrary. As many clinical trials are in process, we expect to get concrete evidences on repurposing of existing drugs based on less biased, high powered studies.
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 | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».