Médicaments utilisés durant la COVID-19
Notice bibliographique
Résumé
Résumé Objectif En réponse à la pandémie actuelle de maladie à coronavirus 2019 (COVID-19), garder les médecins au fait des médicaments qui ont été proposés pour combattre la maladie, et des données probantes à l’appui de leur utilisation. Sources d’information Une revue narrative des médicaments les plus fréquemment utilisés pour combattre la COVID-19 a été réalisée, afin de souligner les meilleures données probantes disponibles concernant chaque traitement pharmacologique jusqu’ici. Des recherches ont été effectuées sur PubMed, EMBASE et MEDLINE à l’aide des mots-clés anglais COVID-19 et treatment, ainsi que d’autres mots-clés connexes. Ont été inclus les études pertinentes menées auprès de populations humaines et des cas de patients atteints de la COVID-19, ainsi que les articles et revues relevés à la main. Seuls les articles rédigés en anglais et en chinois ont été retenus. Message principal Alors que la prise en charge actuelle des patients atteints de la COVID-19 consiste principalement en soins de soutien, sans accès aux vaccins, les praticiens se sont tournés vers des médicaments utilisés dans d’autres indications. Cela a causé une grande controverse, puisque des données cliniques limitées étayaient l’utilisation de beaucoup de ces traitements, et cela pouvait se répercuter sur la sécurité du patient, l’accès aux médicaments et la santé publique. Par exemple, les médicaments tels que l’hydroxychloroquine et la chloroquine, le lopinavir-ritonavir, les anti-inflammatoires non stéroïdiens, les inhibiteurs de l’enzyme de conversion de l’angiotensine et les antagonistes des récepteurs de l’angiotensine ont capté l’attention des médias en raison de la médiatisation, de la mésinformation ou de la mauvaise interprétation des données de recherche. Conclusion Vu la gravité de la pandémie et les vastes effets éventuels de l’adoption de traitements sûrs et efficaces, cet article se veut être une revue narrative des données probantes actuelles étayant les médicaments les plus utilisés pour le traitement de la COVID-19 afin de permettre aux professionnels de la santé de prendre des décisions éclairées en matière de soins pour les patients qui sont atteints de cette maladie potentiellement mortelle.
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 | 0,009 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,007 |
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 ».