Population-based evaluation of the effectiveness of nirmatrelvir–ritonavir for reducing hospital admissions and mortality from COVID-19
Notice bibliographique
Résumé
BACKGROUND: A randomized controlled trial involving a high-risk, unvaccinated population that was conducted before the Omicron variant emerged found that nirmatrelvir-ritonavir was effective in preventing progression to severe COVID-19. Our objective was to evaluate the effectiveness of nirmatrelvir-ritonavir in preventing severe COVID-19 while Omicron and its subvariants predominate. METHODS: We conducted a population-based cohort study in Ontario that included all residents who were older than 17 years of age and had a positive polymerase chain reaction test for SARS-CoV-2 between Apr. 4 and Aug. 31, 2022. We compared patients treated with nirmatrelvir-ritonavir with patients who were not treated and measured the primary outcome of hospital admission from COVID-19 or all-cause death at 1-30 days, and a secondary outcome of all-cause death. We used weighted logistic regression to calculate weighted odds ratios (ORs) with confidence intervals (CIs) using inverse probability of treatment weighting (IPTW) to control for confounding. RESULTS: The final cohort included 177 545 patients, 8876 (5.0%) who were treated with nirmatrelvir-ritonavir and 168 669 (95.0%) who were not treated. The groups were well balanced with respect to demographic and clinical characteristics after applying stabilized IPTW. We found that the occurrence of hospital admission or death was lower in the group given nirmatrelvir-ritonavir than in those who were not (2.1% v. 3.7%; weighted OR 0.56, 95% CI 0.47-0.67). For death alone, the weighted OR was 0.49 (95% CI 0.39-0.62). Our findings were similar across strata of age, drug-drug interactions, vaccination status and comorbidities. The number needed to treat to prevent 1 case of severe COVID-19 was 62 (95% CI 43-80), which varied across strata. INTERPRETATION: Nirmatrelvir-ritonavir was associated with significantly reduced odds of hospital admission and death from COVID-19, which supports use to treat patients with mild COVID-19 who are 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 | 0,006 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».