Association between convalescent plasma and the risk of mortality among patients with COVID-19: a meta-analysis
Notice bibliographique
Résumé
<ns4:p> <ns4:bold>Background:</ns4:bold> Convalescent plasma (CCP) has been used for treating some infectious diseases; however, the efficacy of CCP in coronavirus disease 2019 (COVID-19) remains controversial. The aim of this research was to assess the efficacy of CCP as an adjunctive treatment in COVID-19 patients. </ns4:p> <ns4:p> <ns4:bold>Methods:</ns4:bold> Embase, PubMed, Web of Science, Cochrane and MedRix were searched for potentially relevant articles. All included papers were assessed for the quality using modified Jadad scale and Newcastle-Ottawa scale for randomized controlled trial (RCT) and non – RCT, respectively. We used a Q test and Egger test to assess the heterogeneity and publication bias among studies, respectively. Mortality rates between patients treated with standard treatment and standard treatment with CCP were compared using a Z test. </ns4:p> <ns4:p> <ns4:bold>Results:</ns4:bold> A total of 12 papers consisting of three cross-sectional studies, one prospective study, five retrospective studies, and three RCT studies were included in our analysis. Of them, a total of 1,937 patients treated with CCP and 3,405 patients without CCP were included. The risk of mortality was 1.92-fold higher in patients without CCP compared to patients treated with CCP (OR: 1.92; 95%CI: 1.33, 2.77; p=0.0005). In severe COVID-19 sub-group analysis, we found that patients without CCP had a 1.32 times higher risk of mortality than those treated with CCP (OR: 1.32; 95%CI: 1.09, 1.60; p=0.0040). </ns4:p> <ns4:p> <ns4:bold>Conclusions:</ns4:bold> CCP, as adjunctive therapy, could reduce the mortality rate among COVID-19 patients. </ns4:p>
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 | 0,013 | 0,193 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».