MétaCan
Menu
Retour à la cohorte
Enregistrement W3116705705 · doi:10.21203/rs.3.rs-29483/v1

Renin-angiotensin system inhibitors and severity of SARS-CoV-2 infection: a meta-analysis

2020· preprint· en· W3116705705 sur OpenAlexaboutno aff
Teodoro J. Oscanoa, Xavier Vidal, Alfonso Carvajal, Román Romero‐Ortuño

Notice bibliographique

RevueResearch Square (Research Square) · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRenin–angiotensin systemSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Coronavirus disease 2019 (COVID-19)MedicineAngiotensin Receptor Blockers2019-20 coronavirus outbreakVirologyInternal medicinePharmacologyBlood pressureInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction The mechanism of entry of SARS-CoV-2 into the human host cell is through the ACE2 receptor. During the pandemic, a hypothesis has been proposed that Angiotensin-converting enzyme inhibitors (ACEi) and Angiotensin II receptor blockers (ARBs) could be risk factors for the development of severe SARS-CoV-2 infection. Objective To conduct a meta-analysis of the association between ACEi or ARB use and SARS-CoV-2 infection severity or mortality.Data Sources We searched PubMed, EMBASE, Google scholar and the Cochrane Database of Systematic Reviews for observational studies published between December 2019 and April 24, 2020Study Selection: Studies were included if they contained data on ACEi or ARB use and SARS-CoV-2 infection severity or mortality. Effect statistics were pooled using random-effects models. The quality of included studies was assessed with the Newcastle–Ottawa Scale (NOS). Data ExtractionData on study design, study location, year of publication, study design, number of participants, sex, age at baseline, outcome definition, exposure definition, follow-up, effect estimates and 95% Cis.Results Thirteen observational studies were identified for inclusion, combining to a total sample of 14364 participants. Mean age was 59.2 (SD 7.3) years and 53.5% were men. Mean follow-up was 28.3 (14.2) days. The mean NOS score of included studies was 7.8 (range: 7-9). Results suggested that ACEi or ARB use did not increase the risk of severe disease or mortality from SARS-CoV-2 infection (OR=0.72, 95% CI 0.47-1.11, p= 0.138).ConclusionsAt present, the limited evidence available does not support the hypothesis of increased SARS-CoV-2 risk with ACEi or ARB drugs. However, more evidence needs to accumulate before this controversy can be resolved.

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)0,013
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,026
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0190,060
Bibliométrie0,0050,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,380
Tête enseignante GPT0,537
Écart entre enseignants0,158 · 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'étudeMéta-analyse
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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Square (Research Square)Même sujetCOVID-19 Clinical Research StudiesTravaux en français237 207