Coronavirus Disease 2019 and Hypertension: How Anti-hypertensive Drugs Affect COVID-19 Medications and Vice Versa
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: As a medical problem, hypertension is one of the most common disorders in cardiovascular disease. High blood pressure has been identified as one of the most familiar risk factors for the ongoing COVID-19 pandemic. We planned to explore the possible interactions between anti-hypertensive agents and drugs targeting SARS-CoV-2 with broad investigations of these medications' mechanism of action and adverse effects. METHODS: Two co-authors searched the electronic databases (PubMed, Scopus, and Google Scholar) to collect papers relevant to the subject. The keywords searched were angiotensin-converting enzyme inhibitors (ACEI), angiotensin-II receptor blockers (ARBs), sympatholytic drugs (alpha-1 blockers, beta-blockers), vasodilators (calcium channel blockers, nitrates, and hydralazine), diuretics, chloroquine, hydroxychloroquine, lopinavir/ritonavir, remdesivir, favipiravir, interferons, azithromycin, anti-cytokine agents, glucocorticoids, anticoagulant agents, nitric oxide, and epoprostenol. RESULTS: QT prolongation, arrhythmia, hypokalemia, hypertriglyceridemia are the most dangerous adverse effects in the patients on COVID-19 medications and anti-hypertensive drugs. CONCLUSION: This review emphasized the importance of the potential interaction between drugs used against COVID-19 and anti-hypertensive agents. Therefore, caution must be exercised when these medications are being used simultaneously.
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.
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 | 0,032 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 découle