Acute kidney injury in COVID-19 patients receiving remdesivir: A systematic review and meta-analysis of randomized clinical trials
Notice bibliographique
Résumé
OBJECTIVES: Remdesivir is an antiviral agent with positive effects on the prognosis of Coronavirus Disease (COVID-19). However, there are concerns about the detrimental effects of remdesivir on kidney function which might consequently lead to Acute Kidney Injury (AKI). In this study, we aim to determine whether remdesivir use in COVID-19 patients increases the risk of AKI. METHODS: PubMed, Scopus, Web of Science, the Cochrane Central Register of Controlled Trials, medRxiv, and bioRxiv were systematically searched until July 2022, to find Randomized Clinical Trials (RCT) that evaluated remdesivir for its effect on COVID-19 and provided information on AKI events. A random-effects model meta-analysis was conducted and the certainty of evidence was evaluated using the Grading of Recommendations Assessment, Development, and Evaluation. The primary outcomes were AKI as a Serious Adverse Event (SAE) and combined serious and non-serious Adverse Events (AE) due to AKI. RESULTS: This study included 5 RCTs involving 3095 patients. Remdesivir treatment was not associated with a significant change in the risk of AKI classified as SAE (Risk Ratio [RR]: 0.71, 95% Confidence Interval [95% CI] 0.43‒1.18, p = 0.19, low-certainty evidence) and AKI classified as any grade AEs (RR = 0.83, 95% CI 0.52‒1.33, p = 0.44, low-certainty evidence), compared to the control group. CONCLUSION: Our study suggested that remdesivir treatment probably has little or no effect on the risk of AKI in COVID-19 patients.
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 | 0,050 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,025 | 0,046 |
| Bibliométrie | 0,007 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 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 ».