Efficacy and safety of arbidol (umifenovir) in patients with COVID‐19: A systematic review and meta‐analysis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: To provide the latest evidence for the efficacy and safety of arbidol (umifenovir) in COVID-19 treatment. METHODS: A literature systematic search was carried out in PubMed, Cochrane Library, Embase, and medRxiv up to May 2021. The Cochrane risk of bias tool and Newcastle-Ottawa scale were used to assess the quality of included studies. Meta-analysis was performed using RevMan 5.3. RESULTS: Sixteen studies were met the inclusion criteria. No significant difference was observed between arbidol and non-antiviral treatment groups neither for primary outcomes, including the negative rate of PCR (NR-PCR) on Day 7 (risk ratio [RR]: 0.94; 95% confidence interval (CI): 0.78-1.14) and Day 14 (RR: 1.10; 95% CI: 0.96-1.25), and PCR negative conversion time (PCR-NCT; mean difference [MD]: 0.74; 95% CI: -0.87 to 2.34), nor secondary outcomes (p > .05). However, arbidol was associated with higher adverse events (RR: 2.24; 95% CI: 1.06-4.73). Compared with lopinavir/ritonavir, arbidol showed better efficacy for primary outcomes (p < .05). Adding arbidol to lopinavir/ritonavir also led to better efficacy in terms of NR-PCR on Day 7 and PCR-NCT (p < .05). There was no significant difference between arbidol and chloroquine in primary outcomes (p > .05). No remarkable therapeutic effect was observed between arbidol and other agents (p > .05). CONCLUSION: The present meta-analysis showed no significant benefit of using arbidol compared with non-antiviral treatment or other therapeutic agents against COVID-19 disease. High-quality studies are needed to establish the efficacy and safety of arbidol for 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.
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 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 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 découle