Acute kidney injury in COVID-19 patients receiving remdesivir: A systematic review and meta-analysis of randomized clinical trials
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,230 | 0,960 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,113 | 0,029 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle