Effectiveness of remdesivir for the treatment of hospitalized COVID‐19 persons: A network meta‐analysis
Notice bibliographique
Résumé
Several randomized clinical trials (RCTs) that investigated the effectiveness of remdesivir for the treatment of coronavirus disease-2019 (COVID-19) have generated inconsistent evidence. The present study aimed to synthesize available RCT evidence using network meta-analyses (NMAs). Both blinded and open-label RCTs in PubMed database from inception to 7 June 2020 that contained "remdesivir", "Covid-19", and "trial" in the abstracts conducted on hospitalized COVID-19 persons were identified and screened. The studies must have at least one remdesivir arm and evaluated one of the pre-specified outcomes. The outcomes were clinical improvement between days 10 to 15 after randomization and clinical recovery during the follow-up period. The identified literature was supplemented with relatively recent studies that were known to the researchers if not already included. Frequentist NMAs with random effects were conducted. Both 10-day and 5-day remdesivir regimens were associated with higher odds of clinical improvement (odds ratio [OR] of 10-day regimen: 1.35, 95% confidence interval [CI], 1.09-1.67); OR of 5-day regimen: 1.81, 95% CI, 1.32-2.45, and higher probabilities of clinical recovery (relative risk [RR] of 10-day regimen: 1.24, 95% CI, 1.07-1.43; RR of 5-day regimen: 1.47, 95% CI, 1.16-1.87 compared with placebo. Remdesivir may have clinical benefits among hospitalized COVID-19 persons.
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 | 0,031 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,051 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».