P461 COVID-19 outcomes in patients receiving anti-TNF treatments: A systematic review and meta-analysis
Notice bibliographique
Résumé
Abstract Background Accumulating evidence suggests a beneficial effect of tumor necrosis factor-alpha (TNF-α) inhibitors on the outcomes of COVID-19 disease, which, however, is not validated by all studies. We aimed to perform a systematic review and meta-analysis of existing reports to investigate the impact of anti-TNF treatments on the clinical outcomes of COVID-19 patients. Methods A systematic search at PubMed and SCOPUS databases using specific keywords was performed. All reports of COVID-19 outcomes for patients receiving anti-TNF therapy by September-2021 were included. Pooled effect measures were calculated using a random-effects model. The Newcastle Ottawa Scale for observational studies was used to assess bias. Studies that were not eligible for meta-analysis were described qualitatively. Results In total, 84 studies were included in the systematic review, and 31 were included in the meta-analysis. Patients receiving anti-TNF treatment, compared to non-anti-TNF, among confirmed COVID-19 cases had a lower probability of hospitalisation (25 studies, pooled OR=0.34, 95%CI:0.30–0.38, I2=0) and severe disease defined as intensive care unit admission or death (eight studies, pooled OR=0.38, 95%CI: 0.27–0.55, I2=0). After adjustment for validated predictors of adverse disease outcomes, patients receiving anti-TNF treatment, compared to non-anti-TNF, among confirmed COVID-19 cases preserved a lower probability of hospitalisation (eight studies, pooled OR=0.53, 95%CI:0.42–0.67, I2=0) and severe disease (two studies, pooled OR=0.63, 95%CI: 0.41–0.96, I2=0). No difference was found for the risk for hospitalisation due to COVID-19 in populations without COVID-19 for patients receiving anti-TNF treatment compared to non-anti-TNF (three studies, 5,994,958 participants, pooled Risk Ratio=0.97, 95%CI: 0.68–1.39, I2=20) adjusted for age, sex and comorbidities. Conclusion TNF-α inhibitors are associated lower probability of hospitalisation and severe COVID-19 when compared to any other treatment for an underlying inflammatory disease.
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 | 0,015 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,022 | 0,048 |
| Bibliométrie | 0,008 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 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 ».