Efficacy and safety of herbal medicine (Lianhuaqingwen) for treating COVID-19: A systematic review and meta-analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
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 | 0,023 | 0,601 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,032 | 0,002 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,005 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle