Efficacy of therapeutic plasma exchange in patients with severe COVID‐19: A systematic review and meta‐analysis
Notice bibliographique
Résumé
We conducted this systematic review and meta-analysis to evaluate the existing evidence and to quantitatively synthesise evidence on the impact of therapeutic plasma exchange (TPE) on severe COVID-19 patients. This systematic review and meta-analysis protocol was prospectively registered on PROSPERO (CRD42022316331). We systemically searched six electronic databases (PubMed, Scopus, Web of Science, ScienceDirect, clinicaltrial.gov, and Cochrane Central Register of Controlled Trials) from inception until 1 June 2022. We included studies comparing patients who received TPE versus those who received the standard treatment. For risk of bias assessment, we used the Cochrane risk of bias assessment tool, the ROBINS1 tool, and the Newcastle Ottawa scale for RCTs, non-RCTs, and observational studies, respectively. Continuous data were pooled as standardized mean difference (SMD), and dichotomous data were pooled as risk ratio in the random effect model with the corresponding 95% confidence intervals (CI). Thirteen studies (one randomized controlled trials (RCT) and 12 non-RCTs) were included in the meta-analysis, with a total of 829 patients. There is a moderate-quality evidence from one RCT that TPE reduces the lactic dehydrogenase (LDH) levels (SMD -1.09, 95% CI [-1.59 to -0.60]), D-dimer (SMD -0.86, 95% CI [-1.34 to -0.37]), and ferritin (SMD -0.70, 95% CI [-1.18 to -0.23]), and increases the absolute lymphocyte count (SMD 0.54, 95% CI [0.07-1.01]), There is low-quality evidence from mixed-design studies that TPE was associated with lower mortality (relative risk 0.51, 95% CI [0.35-0.74]), lower IL-6 (SMD -0.91, 95% CI [-1.19 to -0.63]), and lower ferritin (SMD -0.51, 95% CI [-0.80 to -0.22]) compared to the standard control. Among severely affected COVID-19 patients, TPE might provide benefits such as decreasing the mortality rate, LDH, D-dimer, IL-6, and ferritin, in addition to increasing the higher absolute lymphocyte count. Further well-designed RCTs are needed.
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 | 0,022 | 0,040 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,024 | 0,046 |
| Bibliométrie | 0,010 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».