Real-world effectiveness of nirmatrelvir/ritonavir use for COVID-19: A population-based cohort study in Ontario, Canada
Notice bibliographique
Résumé
Abstract Background Our objective was to evaluate the real world effectiveness of nirmatrelvir/ritonavir to prevent severe COVID-19 while Omicron and its subvariants predominate. Methods We conducted a population based cohort study in Ontario, Canada including all residents >17 years of age who tested positive for SARS-CoV-2 by PCR between 4 April and 31 August 2022. We compared nirmatrelvir/ritonavir treated patients to unexposed patients and measured the primary outcome of hospitalization or death from COVID-19, and a secondary outcome of death 1-30 days. We used weighted logistic regression to calculate weighted odds ratios (wOR) with 95% confidence intervals (CIs) using inverse probability of treatment weighting (IPTW) to control for confounding. Results The final cohort included 177,545 patients with 8,876 (5.0%) exposed and 168,669 (95.0%) unexposed individuals. The groups were well balanced with respect to demographic and clinical characteristics after applying stabilized IPTW. Hospitalization or death within 30 days was lower in the nirmatrelvir/ritonavir treated group compared to unexposed individuals (2.1% vs 3.7%, wOR 0.56; 95%CI, 0.47-0.67). In the secondary analysis, the relative odds of death was also significantly reduced (1.6% vs 3.3%, wOR 0.49; 95%CI, 0.39-0.62). The number needed to treat to prevent one case of severe COVID-19 was 62 (95%CI 43 to 80). Findings were similar across strata of age, DDIs, vaccination status, and comorbidities. Interpretation Nirmatrelvir/ritonavir was associated with significantly reduced risk of hospitalization and death from COVID-19 in this observational study, supporting ongoing use of this therapeutic to treat patients with mild COVID-19 at risk for severe disease.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».