Fluvoxamine for the Early Treatment of COVID-19: A Meta-analysis of Randomized Clinical Trials
Notice bibliographique
Résumé
Fluvoxamine is widely prescribed as an antidepressant. Recent studies show the drug may have a clinical benefit in treating COVID-19. We aimed to perform a meta-analysis of the existing randomized trials of fluvoxamine compared with placebo on the early treatment of COVID-19 patients. We included only randomized clinical trials enrolling ambulatory patients with early-stage disease (symptoms < 7 days) for the prevention of hospitalization. We searched MEDLINE and clinicaltrials.gov databases to identify trials and extract data with clarifications from the study investigators. We performed a fixed-effects meta-analysis and sensitivity analyses via R to evaluate the pooled estimate of hospitalization. We included three randomized trials: STOP COVID 1 and 2, and the TOGETHER Trial. The studies included a total of 2,196 patients. The STOP COVID trials measured clinical deterioration whereas the TOGETHER Trial measured hospitalization as the primary outcome. All trials reported on hospitalization up to day 28. The meta-analysis results show that patients receiving fluvoxamine were 31% less likely to experience clinical deterioration or hospitalization compared with placebo (risk ratio, 0.69; 95% CI, 0.54-0.88). A sensitivity analysis using the definition of hospitalization resulted in a risk reduction of 21% (95% CI, 0.60-1.03). Data from three randomized controlled trials show that fluvoxamine was associated with a reduction in the primary outcome measure (either clinical deterioration or composite outcome of hospitalization or extended emergency setting observation), although analysis of hospitalization-only was not statistically significant. More evidence from future trials is still needed to support the findings of this meta-analysis.
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 | 0,005 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».