The effect of Chinese herbal medicine on digestive system and liver functions should not be neglected in COVID‐19: An updated systematic review and meta‐analysis
Notice bibliographique
Résumé
Gastrointestinal symptoms and liver injury are common in patients with coronavirus disease 2019 (COVID-19). However, profiles of different pharmaceutical interventions used are relatively underexplored. Chinese herbal medicine (CHM) has been increasingly used for patients with COVID-19, but the efficacy of CHM used in COVID-19 on gastrointestinal symptoms and liver functions has not been well studied with definitive results based on the updated studies. The present study aimed at testing the efficacy of CHM on digestive symptoms and liver function (primary outcomes), the aggravation of COVID-19, and the time to viral assay conversion (secondary outcomes), among patients with COVID-19, compared with standard pharmacotherapy. The literature search was undertaken in 11 electronic databases from December 1, 2019 up to November 8, 2020. Appraisal of the evidence was conducted with Cochrane risk of bias tool or Newcastle Ottawa Scale. A random-effects model or subgroup analysis was conducted when significant heterogeneity was identified in the meta-analysis. The certainty of the evidence was assessed with the grading of recommendations assessment, development, and evaluation approach. Forty-eight included trials involving 4,704 participants were included. Meta-analyses favored CHM plus standard pharmacotherapy for COVID-19 on reducing the aggravation of COVID-19 and the time to viral assay conversion compared with standard pharmacotherapy. However, the present CHM as a complementary therapy for treating COVID-19 may not be beneficial for improving most gastrointestinal symptoms and liver function based on the current evidence. More well-conducted trials are warranted to confirm the potential efficacy of CHM furtherly.
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 | 0,012 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,017 | 0,039 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».