Ivermectin for COVID-19 in Peru: 14-fold reduction in nationwide excess deaths, p<0.002 for effect by state, then 13-fold increase after ivermectin use restricted
Notice bibliographique
Résumé
Introduction. On May 8, 2020, Peru’s Ministry of Health approved ivermectin (IVM), a drug of Nobel Prize-honored distinction, for inpatient and outpatient treatment of COVID-19. As IVM treatments proceeded in that nation of 33 million residents, excess deaths decreased 14-fold over four months through December 1, 2020, consistent with clinical benefits of IVM for COVID-19 found in several RCTs. But after IVM use was sharply restricted under a new president, excess deaths then increased 13-fold. Methods. To evaluate possible IVM treatment effects suggested by these aggregate trends, excess deaths were analyzed by state for ages ≥ 60 in Peru’s 25 states. To identify potential confounding factors, Google mobility data, population densities, SARS-CoV-2 genetic variations and seropositivity rates were also examined.Results. The 25 states of Peru were grouped by extent of IVM distributions: maximal (mass IVM distributions through operation MOT, a broadside effort led by the army); medium (locally managed IVM distributions); and minimal (restrictive policies in one state, Lima). The mean reduction in excess deaths 30 days after peak deaths was 74% for the maximal IVM distribution group, 53% for the medium group and 25% for Lima. Reduction of excess deaths is correlated with extent of IVM distribution by state with a p value of 0.002 using the Kendall τb test.Conclusion. Mass treatments with IVM, a drug safely used in 3.7 billion doses worldwide since 1987, most likely caused the 14-fold reductions in excess deaths in Peru, prior to their 13-fold increase under reversed IVM policy. This strongly suggests that IVM treatments can likewise effectively complement immunizations to help eradicate COVID-19. The indicated biological mechanism of IVM, competitive binding with SARS-CoV-2 spike protein, is likely non-epitope specific, possibly yielding full efficacy against emerging viral mutant strains.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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 ».