Artesunate, imatinib, and infliximab in COVID‐19: A rapid review and meta‐analysis of current evidence
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVE: Despite the pervasive vaccination program against coronavirus disease 2019 (COVID-19), fully vaccinated people are still being infected by severe acute respiratory syndrome coronavirus 2, making an effective and safe therapeutic intervention a crucial need for the patients' survival. The purpose of the present study is to seek available evidence for the efficacy and safety of three promising medications artesunate, imatinib, and infliximab against COVID-19. METHODS: A literature search was conducted in PubMed, Cochrane Library, medRxive, and Google Scholar up to January 2022. Furthermore, the clinical trial databases were screened to find more citations. The Cochrane Collaboration tool and Newcastle-Ottawa scale were used to assess the included studies. Meta-analysis was performed using RevMan 5.4.1. RESULTS: Five published studies were identified as eligible. Meta-analysis showed that there was no significant difference between the infliximab and control groups in terms of mortality rate (risk ratio [RR]: 0.65; 95% confidence interval [CI]: 0.40-1.07; p = 0.09). However, a significant difference was observed between the two groups for the hospital discharge (RR: 1.37; 95% CI: 1.04-1.80; p = 0.03). No remarkable clinical benefit was observed in favor of using imatinib for COVID-19 patients. Artesunate showed significant improvement in patients with COVID-19. CONCLUSION: In the present, limited evidence exists for the efficacy and safety of artesunate, imatinib, and infliximab in patients with COVID-19. The findings of WHO's Solidarity international trial will provide further information regarding these therapeutic interventions.
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 | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,039 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,003 | 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 ».