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 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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 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 ».