Clinical efficacy and adverse events of baricitinib treatment for coronavirus disease‐2019 (COVID‐19): A systematic review and meta‐analysis
Notice bibliographique
Résumé
Abstract The benefits of baricitinib in coronavirus disease‐2019 are inadequately defined. We performed a systematic review and meta‐analysis of studies of baricitinib to determine its clinical efficacy and adverse events in patients with COVID‐19. Databases were searched from their inception to September 5, 2021. The primary outcome was the coefficient of mortality. We also compared secondary indicators and adverse events between baricitinib treatment and placebo or other treatments. Twelve studies of 3564 patients were included and assessed qualitatively (modified Jadad and Newcastle–Ottawa Scale scores). Baricitinib effectively improved the mortality rate (relative risk of mortality = 0.56; 95% confidence interval: 0.46–0.69; p < 0.001; I 2 = 2%), and this result was unchanged by subgroup analysis. Baricitinib improved intensive care unit admission, the requirement for invasive mechanical ventilation, and improved the oxygenation index. Data from these studies also showed that baricitinib slightly reduced the risk of adverse events. Regarding the choice of the drug dosage of baricitinib, the high‐dose group appeared to have additional benefits for clinical efficacy. Our study shows that baricitinib may be a promising, safe, and effective anti‐severe acute respiratory syndrome‐coronavirus‐2 drug candidate, with the advantages of low cost, easy production, and convenient storage.
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 | 0,010 | 0,187 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,021 | 0,006 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».