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 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 | 0,062 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».