Efficacité et innocuité des agents antiviraux contre le SRAS-CoV-2, selon des données d’études sur la COVID-19 et d’autres infections virales aiguës : revue systématique et méta-analyse
Notice bibliographique
Résumé
RÉSUMÉ CONTEXTE: On donne de façon empirique des agents antiviraux à certains patients atteints de la maladie à coronavirus 2019 (COVID-19). Dans le but d’appuyer la rédaction de lignes directrices sur la prise en charge de la COVID-19, nous avons réalisé une revue systématique des bénéfices et des préjudices associés à 7 traitements antiviraux contre cette infection. MÉTHODES: Nous avons effectué des recherches dans MEDLINE, Embase, le Cochrane Central Register of Controlled Trials (CENTRAL), PubMed et 3 bases de données chinoises (CNKI, Wanfang Data et SinoMed) jusqu’au 19 avril 2020, dans medRxiv et ChinaXiv jusqu’au 27 avril 2020, ainsi que dans Chongqing VIP jusqu’au 30 avril 2020. Nous avons sélectionné des études sur la ribavirine, la chloroquine, l’hydroxychloroquine, l’umifénovir (Arbidol), le favipiravir, l’interféron et le lopinavir/ritonavir. Lorsqu’il n’y avait pas de données directes d’études sur la COVID-19, nous avons retenu des données indirectes d’études sur le syndrome respiratoire aigu sévère (SRAS) et le syndrome respiratoire du Moyen-Orient (SRMO) pour l’analyse de l’efficacité, et d’études sur d’autres infections respiratoires virales aiguës pour l’analyse de l’innocuité. RÉSULTATS: Le taux de décès chez les patients atteints d’une forme sans signe clinique de gravité de COVID-19 était extrêmement bas, ce qui ne permet pas de conclure à un effet important sur la mortalité. Nous n’avons obtenu que des données de très faible qualité indiquant que la plupart des traitements avaient peu ou pas de bénéfices sur les paramètres à l’étude, quelle que soit la gravité de la COVID-19. Seule exception : le traitement au lopinavir/ritonavir, pour lequel nous avons obtenu des données de faible qualité faisant état d’une réduction de la durée du séjour en unité de soins intensifs (différence des risques [DR] 5 jours de moins, intervalle de confiance [IC] de 95 % 0 à 9 jours) et de la durée d’hospitalisation (DR 1 jour de moins, IC de 95 % 0 à 2 jours). En ce qui concerne l’innocuité, les données étaient de faible ou de très faible qualité, sauf pour le traitement au lopinavir/ritonavir, où des données de qualité moyenne laissaient supposer une augmentation probable de la diarrhée, des nausées et des vomissements. INTERPRÉTATION: À l’heure actuelle, rien ne prouve de façon convaincante que les traitements antiviraux apportent des bénéfices importants dans la lutte contre la COVID-19, bien que les données propres à chaque traitement n’excluent pas cette possibilité. D’autres essais randomisés et contrôlés menés auprès de patients atteints de la COVID-19 sont nécessaires avant de pouvoir recourir à ces traitements en toute confiance.
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 | 0,035 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,013 | 0,030 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».