Psychotropic drug repurposing for COVID-19: a systematic review
Notice bibliographique
Résumé
Introduction Recently, several antidepressants, mood stabilizers, and antipsychotics have been suggested to have favorable effects in the treatment of COVID-19. Objectives The aim of this systematic review was to collect evidence from preclinical and clinical studies concerning the scientific evidence for the repurposing of psychotropic drugs in COVID-19 treatment. Methods Two independent authors searched PubMed-MEDLINE, Scopus, PsycInfo, Clinical Trial Registration Site US (ClinicalTrials.gov) databases, and reviewed the reference lists of articles for eligible articles published up to May 31st, 2021. All preclinical and clinical studies on the effect of any psychotropic drug on Sars-CoV-2 or patients with COVID-19 were included. The Newcastle-Ottawa scale was used for the quality assessment of clinical studies. This systematic review adheres to the PRISMA guidelines. Results 22 studies were included in the synthesis: 9 clinical studies, 9 preclinical studies, and 4 computational studies. The use of antidepressants, both SSRI and non-SSRI, was associated with a reduced risk of severe complications of COVID-19. Several antipsychotics showed an increased risk for both Sars-CoV-2 infection and severe complications during COVID-19. Conclusions The current evidence supports a potential anti-SARS-CoV-2 role for several antidepressants, while the evidence on mood stabilizers or antipsychotics remains controversial. Drug repurposing proved highly successful in response to the current pandemic and psychotropic medications are widely used in clinical practice with well-known safety and tolerability profiles, showing antiviral, immunomodulatory, and anti-inflammatory properties, being perfect candidates for possible treatment of COVID-19. Further research will deliver optimized and specific therapeutic tools that will increase the preparedness of health systems for possible future epidemics. Disclosure No significant relationships.
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 | 0,006 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,007 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 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) | 0,005 | 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 ».