Global prevalence of polypharmacy among the COVID-19 patients: a comprehensive systematic review and meta-analysis of observational studies
Notice bibliographique
Résumé
Abstract Background Polypharmacy has traditionally been defined in various texts as the use of 5 or more chronic drugs, the use of inappropriate drugs, or drugs that are not clinically authorized. The aim of this study was to evaluate the prevalence of polypharmacy among the COVID-19 patients, and the side effects, by systematic review and meta-analysis. Methods This study was performed by systematic review method and in accordance with PRISMA 2020 criteria. The protocol in this work is registered in PROSPERO (CRD42021281552). Particular databases and repositories have been searched to identify and select relevant studies. The quality of articles was assessed based on the Newcastle–Ottawa Scale checklist. Heterogeneity of the studies was measured using theI2test. Results The results of meta-analysis showed that the prevalence of polypharmacy in 14 studies with a sample size of 189,870 patients with COVID-19 is 34.6% (95% CI: 29.6–40). Studies have shown that polypharmacy is associated with side effects, increased morbidity and mortality among patients with COVID-19. The results of meta-regression analysis reported that with increasing age of COVID-19 patients, the prevalence of polypharmacy increases (p < 0.05). Discussion The most important strength of this study is the updated search to June 2022 and the use of all databases to increase the accuracy and sensitivity of the study. The most important limitation of this study is the lack of proper definition of polypharmacy in some studies and not mentioning the number of drugs used for patients in these studies. Conclusion Polypharmacy is seen in many patients with COVID-19. Since there is no definitive cure for COVID-19, the multiplicity of drugs used to treat this disease can affect the severity of the disease and its side effects as a result of drug interactions. This highlights the importance of controlling and managing prescription drugs for patients with 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 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 | 0,024 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,017 | 0,038 |
| Bibliométrie | 0,012 | 0,012 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».