Arbidol against COVID-19: A Comprehensive Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Objective: To provide the latest evidence on the efficacy and safety of Arbidol (Umifenovir) in COVID-19. Methods: A comprehensive systematic search of the evidence was carried out in PubMed, Cochran library, Embase, and Medrxiv up to October 1, 2020. The Cochrane risk of bias tool and Newcastle-Ottawa Scale checklist were used for assessing the quality of studies. Meta-analysis was performed using RevMan (version 5.3). Results: Fifteen studies were met for the inclusion. No significant difference was observed between Arbidol and control groups in terms of primary outcomes, including negative rate of PCR (NR-PCR) on 7 days (risk ratio [RR] 0.89; P=0.37) and 14 days (RR: 1.10;P=0.17), negative conversion time (NCT) (mean difference [MD]: 0.74; P=0.37), and as well as secondary outcomes (P<0.05). Compared with LPV/r, Arbidol showed a better efficacy in terms of NR-PCR on 14 days (P=0.02). In contrast, NCT in LPV/r was higher (P=0.007). However, not significant difference was found in terms of NR-PCR on 7 days (P=0.05). Adding Arbidol to LPV/r was led to a better efficacy in terms of NR-PCR on 7 days and NCT (P<0.05). Nevertheless, it was not significant reading NR-PCR on 14 days (P=0.99). There is no significant difference Arbidol vs. Interferon /Arbidol and IFN/Arbidol vs. Interferon (P<0.05). Conclusion: Arbidol was not superior to control against COVID-19. Additionally, not major treatment effect was found compared with other therapeutic agents. There are needed well-designed studies with large sample size to establish on efficacy and safety of Arbidol.
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 | 0,012 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,029 |
| Bibliométrie | 0,008 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».