Therapeutic interventions for COVID-19: a living overview of reviews
Notice bibliographique
Résumé
BACKGROUND: Coronavirus disease 2019 (COVID-19) has rapidly spread worldwide, but safe and effective treatment options remain unavailable. Numerous systematic reviews of varying qualities have tried to summarize the evidence on the available therapeutic interventions for COVID-19. This overview of reviews aims to provide a succinct summary of the findings of systematic reviews on different pharmacological and non-pharmacological therapeutic interventions for COVID-19. METHODS: We searched PubMed, Embase, Google Scholar, Cochrane Database of Systematic Reviews, and WHO database of publications on COVID-19 from 1 December 2019 through to 11 June 2020 for peer-reviewed systematic review studies that reported on potential pharmacological or non-pharmacological therapies for COVID-19. Quality assessment was completed using A MeaSurement Tool to Assess systematic Reviews-2 (AMSTAR-2) measure. RESULTS: Out of 816 non-duplicate studies, 45 were included in the overview. Antiviral and antibiotic agents, corticosteroids, and anti-malarial agents were the most common drug classes used to treat COVID-19; however, there was no direct or strong evidence to support their efficacy. Oxygen therapy and ventilatory support was the most common non-pharmacological supportive care. The quality of most of the included reviews was rated as low or critically low. CONCLUSION: This overview of reviews demonstrates that although some therapeutic interventions may be beneficial to specific subgroups of COVID-19 patients, the available data are insufficient to strongly recommend any particular treatment option to be used at a population level. Future systematic reviews on COVID-19 treatments should adhere to the recommended systematic review methodologies and ensure that promptness and comprehensiveness are balanced.
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 | 0,003 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».