Colchicine treatment can improve outcomes of coronavirus disease 2019 (COVID‐19): A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract Currently, there is no widely acceptable and proven effective treatment for coronavirus disease 2019 (COVID‐19). Colchicine has been shown to offer a benefit in reducing the inflammation in several inflammatory diseases. This study aims to analyze the efficacy of colchicine administration and outcomes of COVID‐19. We systematically searched the PubMed and Europe PMC database using specific keywords related to our aims until January 29, 2021. All articles published on COVID‐19 and colchicine treatment were retrieved. The quality of the study was assessed using the Newcastle–Ottawa Scale (NOS) tool for observational studies and Revised Cochrane risk‐of‐bias tool for randomized trials (RoB 2) for clinical trial studies. Statistical analysis was done using Review Manager 5.4 software. A total of eight studies with 5778 COVID‐19 patients were included in this meta‐analysis. This meta‐analysis showed that the administration of colchicine was associated with improvement of outcomes of COVID‐19 [OR 0.43 (95% CI 0.34–0.55), p < 0.00001, I 2 = 0%, fixed‐effect modelling] and its subgroup which comprised of reduction from severe COVID‐19 [OR 0.44 (95% CI 0.31–0.63), p < 0.00001, I 2 = 0%, fixed‐effect modelling] and reduction of mortality rate from COVID‐19 [OR 0.43 (95% CI 0.32–0.58), p < 0.00001, I 2 = 0%, fixed‐effect modelling]. Our study suggests the routine use of colchicine for treatment modalities of COVID‐19 patients. More randomized clinical trial studies are still needed to confirm the results from this study.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,015 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| Communication savante | 0,000 | 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) | 0,001 | 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 ».