Prevalence and Correlates of Self-Medication Practices for Prevention and Treatment of COVID-19: A Systematic Review
Notice bibliographique
Résumé
It has been suggested that the COVID-19 pandemic led to an increase in self-medication practices across the world. Yet, there is no up-to-date synthesized evidence on the prevalence of self-medication that is attributable to the pandemic. This study aimed to conduct a systematic literature review on the prevalence and correlates of self-medication for the prevention and treatment of COVID-19 globally. The review was registered with the PROSPERO database. Searches were conducted following PRISMA guidelines, and relevant articles published between 1 April 2020 and 31 March 2022 were included. Pooled prevalence rate was conducted using the Meta package in R. A total of 14 studies from 14 countries, which represented 15,154 participants, were included. The prevalence of COVID-19-related self-medication ranged from 3.4-96%. The pooled prevalence of self-medication for this purpose was 44.9% (95% CI: 23.8%, 68.1%). Medications reported by studies for self-medication were antibiotics (79%), vitamins (64%), antimalarials (50%), herbal and natural products (50%), analgesics and antipyretics (43%), minerals and supplements (43%), cold and allergy preparations (29%), corticosteroids (14%), and antivirals (7%). The prevalence of self-medication with antibiotics is concerning. More public health education about responsible self-medication amidst the COVID-19 pandemic and future pandemics is required to mitigate the rising threat of antimicrobial resistance.
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 | 0,049 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,009 | 0,013 |
| Bibliométrie | 0,009 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».