Outpatient therapies for COVID-19: How do we choose?
Notice bibliographique
Résumé
Abstract Background Several outpatient COVID-19 therapies have reduced hospitalization in randomized controlled trials. The choice of therapy may depend on drug efficacy, toxicity, pricing, availability, and access to administration infrastructure. To facilitate comparative decision making, we evaluated the efficacy of each treatment in clinical trials and then estimated the associated cost per hospitalization prevented. Methods Wherever possible, we obtained relative risk for hospitalization from published randomized controlled trials. Otherwise, we extracted data from press releases, conference abstracts, government submissions, or preprints. If more than one study was published, the results were meta-analyzed. Using relative risk, we estimated the number needed to treat (NNT), assuming a baseline hospitalization risk of 5%. Drug pricing was based on Canadian formularies, government purchases, or manufacturer estimates. Administrative and societal costs were not included. Results will be updated online as new studies emerge or final publication numbers become available. Results At a 5% risk of hospitalization the estimated NNTs were: 87 for colchicine, 80 for fluvoxamine, 72 for inhaled corticosteroids, 24 for nirmatrelvir/ritonavir, 25 for sotrovimab, 24 for remdesivir, 29 for casirivimab/imdevimab, 29 for bamlanivimab/etesevimab and 52 for molnupiravir. Colchicine, fluvoxamine, inhaled corticosteroids, and nirmatrelvir/ritonavir had cost per hospitalization prevented point estimates below the CIHI estimated cost of hospitalization ($23000). Interpretation Canada is fortunate to have access to several effective outpatient therapies to prevent COVID-19 hospitalization. Given differences in efficacy, toxicity, cost and administration complexities, this assessment serves as one tool to help guide policy makers and clinicians in their treatment selection.
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 | 0,077 | 0,259 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,006 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,002 |
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 ».