Lopinavir/Ritonavir for COVID-19: a Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
PURPOSE: To provide the latest evidence on the efficacy and safety of lopinavir/ritonavir compared to other treatment options for COVID-19. METHODS: We searched PubMed, Cochran Library, Embase, Scopus, and Web of Science for the relevant records up to April 2021. Moreover, we scanned MedRxiv, Google Scholar, and clinical registry databases to identify additional records. We have used the Newcastle-Ottawa Scale and Cochrane risk of bias tools to assess the quality of studies. This Meta-analysis was conducted using RevMan software (version 5.3). RESULTS: Fourteen studies were included. No significant difference was observed between lopinavir/ritonavir and non-antiviral treatment groups in terms of negative rate of PCR (polymerase chain reaction) on day 7 (risk ratio [RR]: 0.83; 95% CI: 0.63 to 1.09; P=0.17), and day 14 (RR: 0.93; 95% CI: 0.81 to 1.05; P=0.25), PCR negative conversion time (mean difference [MD]: 1.09; 95% CI: -0.10 to 2.29; P=0.07), secondary outcomes, and adverse events (P>0.05). There was no significant difference between lopinavir/ritonavir and chloroquine as well as lopinavir/ritonavir and hydroxychloroquine regarding the efficacy outcomes (P>0.05). However, lopinavir/ritonavir showed better efficacy than arbidol for the same outcomes (P<0.05). Lopinavir/ritonavir plus arbidol was effective compared to arbidol alone in terms of the negative rate of PCR on day 7 (P=0.02). However, this difference was not significant regarding other efficacy outcomes (P>0.05). CONCLUSION: Lopinavir/ritonavir has no more treatment effects than other therapeutic agents used herein in COVID-19 patients.
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 | 0,014 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,039 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».