Role of colchicine in the management of COVID-19 patients: A meta-analysis of cohort and randomized controlled trials
Notice bibliographique
Résumé
Background: Colchicine is well known drug for the treatment of acute gout. Recently, it has also been used in the management of COVID-19 patients. Aim: The aim of current study is to find out the role of colchicine in COVID-19 patients. Material & methods: The relevant studies were searched in PubMed/Medline, Google scholar and clinical trail.gov.com till inception and sorted based on the inclusion and exclusion criteria. The quality assessment of studies were done using Newcastle Ottawa Quality Assessment Scale. The pooled estimate was calculated as odd ratio and pooled prevalence with 95% confidence interval. A random effect model was used and publication bias was assessed qualitatively by trim and fill method. Results: Out of 38 studies, a total of 6 studies were found relevant for the analysis containing 1146 patients (705 males and 441 females). The pooled odd ratio was found to be 0.35 [0.23, 0.53] which indicate significance reduction of mortality in colchicine group as compared to non-colchicine group. The pooled prevalence of the patients treated with colchicine were found to be significant [0.11(0.03, 0.24)]. The heterogeneity among studies was also found to be low (I2 = 11%). However, funnel plot has indicated the involvement of publication bias [Egger: bias = 10.168291 (95% CI = 5.042044 to 15.294537) P = 0.0053]. Conclusion: Colchicine might be helpful in reduction of mortality in the management of COVID-19 patients. However, further studies are required to confirm its exact role.
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 | 0,141 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,017 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».