Effectiveness of low-dose radiation therapy to improve mortality in coronavirus disease (COVID-19): A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Abstract Background Before antibiotics were available, X-ray therapy was used to treat pneumonia, but its effectiveness is unknown. It was not fully understood how low-dose radiation could reduce inflammation in early attempts to treat pneumonia with X-rays. Exposure to low-dose radiation therapy (LDRT) may activate anti-inflammatory molecules such as TGF-b1 and IL-10. This systematic review and meta-analysis aimed to determine whether LDRT effectively treats COVID-19-associated pneumonia. Methods This study followed the PRISMA guidelines (Principles for Reporting Systematic Reviews and Meta-Analyses). A search was conducted on Google Scholar and PubMed for articles published before June 12, 2022. The Newcastle–Ottawa Scale (NOS) was used to evaluate the included research quality. Results In these studies, patients were given lung radiation at doses ranging from 0.5 to 1.5 Gy. Except for one study, all clinical, radiological, and survival outcomes improved. The study showed that whole-lung radiation at doses of 0.5–1.5 Gy was beneficial to patients with COVID-19-associated pneumonia who were oxygen-dependent. In these studies, the reported SR was 59% (95% CI, 44–75%). Conclusions LDRT has the potential to be a viable therapy option, although large-scale randomized trials are necessary, particularly in the elderly, who are more at risk of mortality from COVID-19.
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 | 0,017 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,009 | 0,002 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».