Comparison of the efficacy and safety of antiviral agents for COVID-19: a systematic review and meta-analysis
Notice bibliographique
Résumé
Objective: To compare the efficacy and safety of antiviral agents currently studied for the treatment of the COVID-19 pandemic. Methods: A literature search was conducted on the PubMed, EMBASE, Web of Science, CNKI (Chinese Database), and MedRxiv for studies published from 1966 till May 10, 2020, and identified articles containing “COVID-19” and “antiviral agents”. Studies were reviewed and screened in the guidance of PRISMA. STATA 15.1 software was used to build a random-effects model. Heterogeneity was assessed using I2. The Cochrane Risk of Bias or Newcastle-Ottawa-Scale (NOS) was employed to evaluate the public bias. Results: We identified 916 papers and included 7 studies involving 878 patients. The network meta-analysis was centered on comparing the efficacy and safety of presently used antiviral drugs for COVID-19. Among the antiviral agents applied in the treatment of COVID-19 treatment, including lopinavir/ritonavir, remdesivir, favipiravir, arbidol (umefenovir) or placebo, favipiravir exhibited significantly better efficacy in nucleic acid conversion rate [RR 2.38, 95%CI (1.05, 5.41)] and CT improvements [RR 1.85, 95%CI (1.07, 3.2)] than arbidol as well as other included antivirals though no significant association were found. ARB had advantages in nucleic acid conversion rate and ADRs incidence. Besides, favipiravir was more superior in safety than other antiviral drugs assessed by SUCRA (Surface Under the Cumulative Ranking Curve) ranking. Conclusions: Favipiravir had better efficacy in clinical recovery as well as more acceptable safety, though further clinical research should be designed to confirm these results. With the limited data of remdesivir, we could not conclude a statistical advantages of using remdesivir.
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 | 0,008 | 0,221 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,021 | 0,004 |
| 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 | 0,001 |
| 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 ».