Angiotensin Receptor Blockers and Angiotensin-Converting Enzyme Inhibitors in COVID-19: Meta-analysis/Meta-regression Adjusted for Confounding Factors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: Angiotensin receptor blockers (ARBs) and/or angiotensin-converting enzyme (ACE) inhibitors could alter mortality from coronavirus disease 2019 (COVID-19), but existing meta-analyses that combined crude and adjusted results may be confounded by the fact that comorbidities are more common in ARB/ACE inhibitor users. METHODS: We searched PubMed/MEDLINE/Embase for cohort studies and meta-analyses reporting mortality by preexisting ARB/ACE inhibitor treatment in hospitalized COVID-19 patients. Random effects meta-regression was used to compute pooled odds ratios for mortality adjusted for imbalance in age, sex, and prevalence of cardiovascular disease, hypertension, diabetes mellitus, and chronic kidney disease between users and nonusers of ARBs/ACE inhibitors at the study level during data synthesis. RESULTS: In 30 included studies of 17,281 patients, 22%, 68%, 25%, and 11% had cardiovascular disease, hypertension, diabetes mellitus, and chronic kidney disease. ARB/ACE inhibitor use was associated with significantly lower mortality after controlling for potential confounding factors (odds ratio 0.77 [95% confidence interval: 0.62, 0.96]). In contrast, meta-analysis of ARB/ACE inhibitor use was not significantly associated with mortality when all studies were combined with no adjustment made for confounders (0.87 [95% confidence interval: 0.71, 1.08]). CONCLUSIONS: ARB/ACE inhibitor use was associated with decreased mortality in cohorts of COVID-19 patients after adjusting for age, sex, cardiovascular disease, hypertension, diabetes, and chronic kidney disease. Unadjusted meta-analyses may not be appropriate for determining whether ARBs/ACE inhibitors are associated with mortality from COVID-19 because of indication bias.
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.
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 | 0,005 | 0,109 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,008 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 découle