Active prescription of low-dose aspirin during or prior to hospitalization and mortality in COVID-19: A systematic review and meta-analysis of adjusted effect estimates
Notice bibliographique
Résumé
BackgroundThis study aimed to investigate whether the active prescription of low-dose aspirin during or prior to hospitalization affects mortality in patients with coronavirus disease 2019 (COVID-19). Aspirin is often prescribed for secondary prevention in patients with cardiovascular disease and other comorbidities that might increase mortality, and may therefore falsely demonstrate increased mortality. To reduce bias, only studies that performed an adjusted analysis were included in this review.MethodsA systematic literature search of PubMed, Scopus, Embase and Clinicaltrials.gov was performed, from inception until 16 April 2021. The exposure was active prescription of low-dose aspirin during or prior to hospitalization. The primary outcome was mortality. The pooled adjusted effect estimate was reported as relative risk (RR).ResultsSix eligible studies were included in this meta-analysis, comprising 13,993 patients. The studies had low-to-moderate risk of bias based on the Newcastle–Ottawa Scale. The meta-analysis indicated that the use of low-dose aspirin was independently associated with reduced mortality {RR 0.46 [95% confidence interval (CI) 0.35–0.61], P < 0.001; I2 = 36.2%}. Subgroup analysis on in-hospital low-dose aspirin administration also showed a significant reduction in mortality [RR 0.39 (95% CI 0.16–0.96), P < 0.001; I2 = 47.0%].ConclusionUse of low-dose aspirin is independently associated with reduced mortality in patients with COVID-19, with low certainty of evidence.
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 | 0,101 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».