MétaCan
Menu
Retour à la cohorte
Enregistrement W4302283812 · doi:10.3389/fphar.2022.989903

Associations between the use of aspirin or other antiplatelet drugs and all-cause mortality among patients with COVID-19: A meta-analysis

2022· review· en· W4302283812 sur OpenAlexaboutno aff
Wanting Su, Miao He, Zhaotian Guo, Qianhui Chen, Tao Huang, Renyu Ding

Notice bibliographique

RevueFrontiers in Pharmacology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesLiaoning Revitalization Talents ProgramPeking UniversityMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésAspirinMedicineCoronavirus disease 2019 (COVID-19)Internal medicine2019-20 coronavirus outbreakMeta-analysisPharmacologyTraditional medicineDiseaseVirologyOutbreak

Résumé

récupéré en direct d'OpenAlex

Introduction: Whether aspirin or other antiplatelet drugs can reduce mortality among patients with coronavirus disease (COVID-19) remains controversial. Methods: We identified randomized controlled trials, prospective cohort studies, and retrospective studies on associations between aspirin or other antiplatelet drug use and all-cause mortality among patients with COVID-19 in the PubMed database between March 2019 and September 2021. Newcastle–Ottawa Scale and Cochrane Risk of Bias Assessment Tool were used to assess the risk of bias. The I 2 statistic was used to assess inconsistency among trial results. The summary risk ratio (RR) and odds ratio (OR) were obtained through the meta-analysis. Results: The 34 included studies comprised three randomized controlled trials, 27 retrospective studies, and 4 prospective cohort studies. The retrospective and prospective cohort studies showed low-to-moderate risks of bias per the Newcastle–Ottawa Scale score, while the randomized controlled trials showed low-to-high risks of bias per the Cochrane Risk of Bias Assessment Tool. The randomized controlled trials showed no significant effect of aspirin use on all-cause mortality in patients with COVID-19 {risk ratio (RR), 0.96 [95% confidence interval (CI) 0.90–1.03]}. In retrospective studies, aspirin reduced all-cause mortality in patients with COVID-19 by 20% [odds ratio (OR), 0.80 (95% CI 0.70–0.93)], while other antiplatelet drugs had no significant effects. In prospective cohort studies, aspirin decreased all-cause mortality in patients with COVID-19 by 15% [OR, 0.85 (95% CI 0.80–0.90)]. Conclusion: The administration of aspirin may reduce all-cause mortality in 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 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)0,022
score de la tête « metaresearch » (Gemma)0,038
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,022
Score d'incertitude au seuil0,118

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0220,038
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0190,066
Bibliométrie0,0080,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,419
Tête enseignante GPT0,526
Écart entre enseignants0,107 · 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'étudeMéta-analyse
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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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