Efficacy and safety of herbal medicine (Lianhuaqingwen) for treating COVID-19: A systematic review and meta-analysis
Notice bibliographique
Résumé
Lianhuaqingwen (LH) has been proven effective for influenza. However, the promotion of LH for the treatment of patients with COVID-19 remains controversial. Therefore, our study aimed to assess the efficacy and safety of Lianhuaqingwen (LH) in treating patients with COVID-19 by a systematic review and meta-analysis. We conducted the literature search using six electronic databases from December 1, 2019, to June 2, 2020. Cochrane Risk of Bias tool was used to assess the quality of randomized controlled trials. Newcastle-Ottawa Scale was used to assess the quality of case control studies. Agency for Healthcare Research and Quality checklist was used to assess the quality of case series. All analyses were conducted by RevMan 5.3. For outcomes that could not be meta-analyzed were performed a descriptive analysis. Eight studies with 924 patients were included. Three studies were RCTs, three were case control studies, and two were case series. The quality of the included studies was poor. Compared with patients treated by conventional treatment, patients treated by LH combined with conventional treatment have a higher overall effective rate (RR = 1.16, 95%CIs: 1.04∼1.30, P = 0.01) and CT recovery rate (RR=1.21, 95%CIs: 1.02∼1.43, P = 0.03). Patients of LH groups have a lower incidence of diarrhea (5.6% vs.13.4%), and have statistically significant (P = 0.026). But the rate of abnormal liver function in the combined medication group is higher than that in the single LH group. LH combined with conventional treatment seems to be more effective for patients with mild or ordinary COVID-19.
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 | 0,013 | 0,025 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,041 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».