MétaCan
Menu
Retour à la cohorte
Enregistrement W3105827253 · doi:10.2196/22521

Associations of Medications With Lower Odds of Typical COVID-19 Symptoms: Cross-Sectional Symptom Surveillance Study

2020· article· en· W3105827253 sur OpenAlexvenueno aff
Dietmar Urbach, Friedemann Awiszus, Sven Leiß, Tamsin Venton, Alexander Vincent De Specht, Christian Apfelbacher

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioCross-sectional studyLogistic regressionOddsCoronavirus disease 2019 (COVID-19)Internal medicineDiseasePathology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: As the COVID-19 pandemic continues to spread across the globe, the search for an effective medication to treat the symptoms of COVID-19 continues as well. It would be desirable to identify a medication that is already in use for another condition and whose side effect profile and safety data are already known and approved. OBJECTIVE: The objective of this study was to evaluate the effect of different medications on typical COVID-19 symptoms by using data from an online surveillance survey. METHODS: Between early April and late-July 2020, a total of 3654 individuals in Lower Saxony, Germany, participated in an online symptom-tracking survey conducted through the app covid-nein-danke.de. The questionnaire comprised items on typical COVID-19 symptoms, age range, gender, employment in patient-facing healthcare, housing status, postal code, previous illnesses, permanent medication, vaccination status, results of reverse transcription polymerase chain reaction (RT-PCR) and antibody tests for COVID-19 diagnosis, and consequent COVID-19 treatment if applicable. Odds ratio estimates with corresponding 95% CIs were computed for each medication and symptom by using logistic regression models. RESULTS: Data analysis suggested a statistically significant inverse relationship between typical COVID-19 symptoms self-reported by the participants and self-reported statin therapy and, to a lesser extent, antihypertensive therapy. When COVID-19 diagnosis was based on restrictive symptom criteria (ie, presence of 4 out of 7 symptoms) or a positive RT-PCR test, a statistically significant association was found solely for statins (odds ratio 0.28, 95% CI 0.1-0.78). CONCLUSIONS: Individuals taking statin medication are more likely to have asymptomatic COVID-19, in which case they may be at an increased risk of transmitting the disease unknowingly. We suggest that the results of this study be incorporated into symptoms-based surveillance and decision-making protocols in regard to COVID-19 management. Whether statin therapy has a beneficial effect in combating COVID-19 cannot be deduced based on our findings and should be investigated by further study. TRIAL REGISTRATION: German Clinical Trials Register DRKS00022185; https://www.drks.de/drks_web/navigate.do?navigationId=trial.HTML&TRIAL_ID=DRKS00022185; World Health Organization International Clinical Trials Registry Platform U1111-1252-6946.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,099
Tête enseignante GPT0,464
Écart entre enseignants0,364 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207