A systematic review on the effects of Echinacea supplementation on cytokine levels: Is there a role in COVID-19?
Notice bibliographique
Résumé
COVID-19 is the respiratory illness caused by the novel coronavirus, SARS-CoV-2. Cytokine storm appears to be a factor in COVID-19 mortality. Echinacea species have been used historically for immune modulation. A previous rapid review suggested that Echinacea supplementation may decrease the levels of pro-inflammatory cytokines involved in cytokine storm. The objective of the present systematic review was to identify all research that has assessed changes in levels of cytokines relevant to cytokine storm in response to administration of Echinacea supplementation. The following databases were searched: Medline (Ovid), AMED (Ovid), CINAHL (EBSCO), EMBASE (Ovid). Title and abstract screening, full text screening, and data extraction were completed in duplicate using a piloted extraction template. Risk of bias assessment was completed. Qualitative analysis was used to assess for trends in cytokine level changes. The search identified 279 unique publications. After full text screening, 105 studies met criteria for inclusion including 13 human studies, 24 animal studies, and 71 in vitro or ex vivo studies. The data suggest that Echinacea supplementation may be associated with a decrease in the pro-inflammatory cytokines IL-6, IL-8, and TNF, as well as an increase in the anti-inflammatory cytokine IL-10. The risk of bias in the included studies was generally high. While there is currently no substantive research on the therapeutic effects of Echinacea in the management of either cytokine storm or COVID-19, the present evidence related to the herb's impact on cytokine levels suggests that further research may be warranted in the form of a clinical trial involving patients with COVID-19.
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 | 0,004 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,007 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».