Use of traditional Chinese medicine for the treatment and prevention of COVID-19 and rehabilitation of COVID-19 patients: An evidence mapping study
Notice bibliographique
Résumé
Background: The potential effectiveness of traditional Chinese medicine (TCM) against “epidemic diseases” has highlighted the knowledge gaps associated with TCM in COVID-19 management. This study aimed to map the matrix for rigorously assessing, organizing, and presenting evidence relevant to TCM in COVID-19 management. Methods: In this study, we used the methodology of evidence mapping (EM). Nine electronic databases, the WHO International Clinical Trials Registry Platform (ICTRP) Search Portal, ClinicalTrials.gov , gray literature, reference lists of articles, and relevant Chinese conference proceedings, were searched for articles published until 23 March 2022. The EndNote X9, Rayyan, EPPI, and R software were used for data entry and management. Results: In all, 126 studies, including 76 randomized controlled trials (RCTs) and 50 systematic reviews (SRs), met our inclusion criteria. Of these, only nine studies (7.14%) were designated as high quality: four RCTs were assessed as “low risk of bias” and five SRs as “high quality.” Based on the research objectives of these studies, the included studies were classified into treatment (53 RCTs and 50 SRs, 81.75%), rehabilitation (20 RCTs, 15.87%), and prevention (3 RCTs, 2.38%) groups. A total of 76 RCTs included 59 intervention categories and 57 efficacy outcomes. All relevant trials consistently demonstrated that TCM significantly improved 22 outcomes (i.e., consistent positive outcomes) without significantly affecting four (i.e., consistent negative outcomes). Further, 50 SRs included nine intervention categories and 27 efficacy outcomes, two of which reported consistent positive outcomes and two reported consistent negative outcomes. Moreover, 45 RCTs and 38 SRs investigated adverse events; 39 RCTs and 30 SRs showed no serious adverse events or significant differences between groups. Conclusion: This study provides evidence matrix mapping of TCM against COVID-19, demonstrating the potential efficacy and safety of TCM in the treatment and prevention of COVID-19 and rehabilitation of COVID-19 patients, and also addresses evidence gaps. Given the limited number and poor quality of available studies and potential concerns regarding the applicability of the current clinical evaluation standards to TCM, the effect of specific interventions on individual outcomes needs further evaluation.
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 | 0,019 | 0,043 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,008 |
| Bibliométrie | 0,009 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».