Antiviral drugs for coronavirus disease 2019 (COVID-19): a systematic review with network meta-analysis
Notice bibliographique
Résumé
BACKGROUND: To better inform clinical practice, we summarized the findings from randomized controlled trials (RCTs) of antivirals for COVID-19. METHODS: We systematically searched for literature up to September 2020, and included English-language publications of RCTs among hospitalized COVID-19 patients. We conducted network meta-analysis combining results of both the direct and indirect comparisons of interventions. The efficacy outcomes were clinical progression, all-cause mortality, and viral clearance, and safety outcomes were diarrhea, nausea, and vomiting. We generated treatment rankings (best to worst) and summarized rank probabilities using rankogram. RESULTS: We included 15 RCTs (14,418 patients) from 7,237 retrieved citations. There was no evidence for efficacy of the assessed antivirals compared with placebo/no treatment or with another antiviral for all efficacy outcomes. Lopinavir (400 mg)/ritonavir (100 mg) significantly increased diarrhea, nausea, and vomiting compared with placebo/no treatment and other antivirals, and was ranked worst for these outcomes, while triazavirin (250 mg), baloxavir marboxil (80 mg), and remdesivir (100 mg - 10 days) ranked best, respectively. CONCLUSIONS AND RELEVANCE: The available evidence does not support the use of any antiviral drugs for COVID-19. Cautious interpretations of the findings are, however, advised considering the paucity of the evidence. More RCTs are needed for a stronger evidence base.
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 | 0,027 | 0,066 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,033 |
| Bibliométrie | 0,012 | 0,010 |
| 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) | 0,006 | 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 ».