Early experimental COVID-19 therapies: associations with length of hospital stay, mortality and related costs
Notice bibliographique
Résumé
AIMS OF THE STUDY: Hydroxychloroquine and lopinavir/ritonavir have been used as experimental therapies to treat COVID-19 during the first wave of the pandemic. Randomised controlled trials have recently shown that there are no meaningful benefits of these two therapies in hospitalised patients. Uncertainty remains regarding the potential harmful impact of these therapies as very early treatments and their burden to the health care system. The present study investigated the length of hospital stay (LOS), mortality, and costs of hydroxychloroquine, lopinavir/ritonavir or their combination in comparison with standard of care among patients hospitalised for coronavirus disease 2019 (COVID-19). METHODS: This retrospective observational cohort study took place in the Geneva University Hospitals, Geneva, Switzerland (n = 840) between 26 February and 31 May 2020. Demographics, treatment regimens, comorbidities, the modified National Early Warning Score (mNEWS) on admission, and contraindications to COVID-19 treatment options were assessed. Outcomes included LOS, in-hospital mortality, and drug and LOS costs. RESULTS: After successful propensity score matching, patients treated with (1) hydroxychloroquine, (2) lopinavir/ritonavir or (3) their combination had on average 3.75 additional hospitalisation days (95% confidence interval [CI] 1.37–6.12, p = 0.002), 1.23 additional hospitalisation days (95% CI −1.24 – 3.51, p = 0.319), and 4.19 additional hospitalisation days (95% CI 1.52–5.31, p <0.001), respectively, compared with patients treated with the standard of care. Neither experimental therapy was significantly associated with mortality. These additional hospital days amounted to 1010.77 additional days for hydroxychloroquine and hydroxychloroquine combined with lopinavir/ritonavir, resulting in an additional cost of US$ 2,492,214 (95%CI US$ 916,839–3,450,619). CONCLUSIONS: Prescribing experimental therapies for COVID-19 was not associated with a reduced LOS and might have increased the pressure put on healthcare systems.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».