MétaCan
Menu
Retour à la cohorte
Enregistrement W4285491099 · doi:10.3389/fphar.2022.926189

Role of Traditional Chinese Medicine in Treating Severe or Critical COVID-19: A Systematic Review of Randomized Controlled Trials and Observational Studies

2022· review· en· W4285491099 sur OpenAlexaff
Mengting Li, Hongfei Zhu, Yafei Liu, Yao Lü, Minyao Sun, Yuqing Zhang, Jiaheng Shi, Nannan Shi, Ling Li, Kehu Yang, Xin Sun, Jie Liu, Long Ge, Luqi Huang

Notice bibliographique

RevueFrontiers in Pharmacology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMcMaster UniversityImpact
Organismes subventionnairesChina Academy of Chinese Medical SciencesLanzhou University
Mots-clésObservational studyMedicineRandomized controlled trialCoronavirus disease 2019 (COVID-19)Traditional Chinese medicineMEDLINESystematic reviewCohort studyIntensive care medicineInternal medicineAlternative medicineDiseasePathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Background: The coronavirus disease 2019 (COVID-19) continues to spread globally. Due to the higher risk of mortality, the treatment of severe or critical patients is a top priority. Traditional Chinese medicine (TCM) treatment has played an extremely important role in the fight against COVID-19 in China; a timely evidence summary on TCM in managing COVID-19 is crucial to update the knowledge of healthcare for better clinical management of COVID-19. This study aimed to assess the effects and safety of TCM treatments for severe/critical COVID-19 patients by systematically collecting and synthesizing evidence from randomized controlled trials (RCTs) and observational studies (e.g., cohort). Methods: We searched nine databases up to 19th March 2022 and the reference lists of relevant publications. Pairs of reviewers independently screened studies, extracted data of interest, and assessed risk of bias. We performed qualitative systematic analysis with visual presentation of results and compared the direction and distribution of effect estimates for each patient’s important outcome. We performed sensitivity analyses to observe the robustness of results by restricting analysis to studies with low risk of bias. Results: The search yielded 217,761 records, and 21 studies (6 RCTs and 15 observational studies) proved eligible. A total of 21 studies enrolled 12,981 severe/critical COVID-19 patients with a mean age of 57.21 years and a mean proportion of men of 47.91%. Compared with usual supportive treatments, the effect estimates of TCM treatments were consistent in direction, illustrating that TCM treatments could reduce the risk of mortality, rate of conversion to critical cases, and mechanical ventilation, and showed significant advantages in shortening the length of hospital stay, time to viral clearance, and symptom resolution. The results were similar when we restricted analyses to low-risk-bias studies. No serious adverse events were reported with TCM treatments, and no significant differences were observed between groups. Conclusion: Encouraging evidence suggests that TCM presents substantial advantages in treating severe/critical COVID-19 patients. TCM has a safety profile that is comparable to that of conventional treatment alone. TCMs have played an important role in China’s prevention and treatment of COVID-19, which sets an example of using traditional medicine in preventing and treating COVID-19 worldwide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,033
score de la tête « metaresearch » (Gemma)0,122
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,175

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0330,122
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0130,012
Bibliométrie0,0100,011
Études des sciences et des technologies0,0010,002
Communication savante0,0030,003
Science ouverte0,0030,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,314
Tête enseignante GPT0,575
Écart entre enseignants0,262 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeRevue systématique
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207