MétaCan
Menu
← Retour à la cohorte
Enregistrement W3160853723 · doi:10.1177/20420986211011345

Renin–angiotensin–aldosterone system blockers and region-specific variations in COVID-19 outcomes: findings from a systematic review and meta-analysis

2021· review· en· W3160853723 sur OpenAlexaboutno aff
Upinder Kaur, Sankha Shubhra Chakrabarti, Tejas Patel

Notice bibliographique

RevueTherapeutic Advances in Drug Safety · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineOdds ratioMeta-analysisInternal medicineIntensive care unitConfidence intervalIntensive care medicine

Résumé

récupéré en direct d'OpenAlex

Abstract Background Coronavirus disease 2019 (COVID-19) has evolved as a global crisis with high mortality seen in elderly and people with cardiometabolic diseases. The use of renin angiotensin aldosterone system (RAAS) blockers in these patients is known to enhance the expression of ACE-2, the chief binding receptor of SARS-CoV-2 and may potentially enhance infectivity. Objective To provide a pooled estimate of the effect of RAAS blocker usage on COVID-19 outcomes. Data Sources An electronic literature search was performed for published (using MEDLINE/PubMed and Google Scholar) and preprint (using bioRxiv and medRxiv) studies of interest. The last search was conducted on 9 th July 2020. Study Selection Studies reporting data on RAAS blocker use and COVID-19 mortality and severity were included in the review. Data Extraction and Synthesis Mortality data and severity data including hospitalization, intensive care unit (ICU) admission, invasive ventilation, steroid use and acute kidney injury (AKI) were recorded. Pooled Odds ratio (OR) estimates were reported with 95% CIs and level of heterogeneity ( I 2 ). Main Outcomes and Measures Odds of mortality in users of RAAS blockers with respect to non-users was the primary outcome. Odds of severity, hospitalization, ICU admission, mechanical ventilation, steroid use, and AKI in users with respect to non-users of RAAS blockers were the secondary outcomes. Results Of 1348 articles identified, 48 published studies were included in the final analysis, with a total of 26432 patients from 31 studies included in mortality analysis and 20127 patients from 23 studies included in severity analysis. Majority of the studies (41.6%) were from China. No increased risk of mortality (Pooled OR 0.91 (0.65-1.26), I 2 =89%) or severity (Pooled OR 1.08 (0.79-1.46), I 2 =88%) was seen with RAAS blockers. The drug class was protective in hypertension (pooled OR 0.63 (0.46-0.86), I 2 =58%). Severity of COVID-19 outcomes was found to be high for Europeans (Pooled OR 2.08 (1.52-2.85), I 2 =77%) and US patients (Pooled OR 1.87 (1.62-2.17) in users of RAAS-blockers. A nearly 4 times higher risk of hospitalization, two times higher risk of ICU admission and mechanical ventilation was observed in US patients on RAAS blockers. No net effect on mortality and severity outcomes was seen in Chinese patients. RAAS blocker usage did not have any effect on corticosteroid use and AKI in Chinese patients. Conclusions and Relevance Use of RAAS blockers is not associated with increased risk of mortality in COVID-19 patients. Reduced mortality is seen in hypertensive patients with COVID-19 and therefore the drugs should be continued in this subset. US and European patients are at higher risk of severe outcomes. Pharmacogenomic differences may explain the ethnicity related variations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,040
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,040
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0160,040
Bibliométrie0,0080,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,145
Tête enseignante GPT0,461
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTherapeutic Advances in Drug Safety→Même sujetCOVID-19 Clinical Research Studies→Travaux en français237 207→