Real‐world effectiveness of Azvudine versus nirmatrelvir–ritonavir in hospitalized patients with COVID‐19: A retrospective cohort study
Notice bibliographique
Résumé
Chinese guidelines prioritize the use of Azvudine and nirmatrelvir-ritonavir in COVID-19 patients. Nevertheless, the real-world effectiveness of Azvudine versus nirmatrelvir-ritonavir is still lacking, despite clinical trials showing their effectiveness compared with matched controls. To compare the effectiveness of Azvudine versus nirmatrelvir-ritonavir treatments in real-world clinical practice, we identified 2118 hospitalized COVID-19 patients, with a follow-up of up to 38 days. After exclusions and propensity score matching, we included 281 Azvudine recipients and 281 nirmatrelvir-ritonavir recipients who did not receive oxygen therapy at admission. The lower crude incidence rate of composite disease progression outcome (7.83 vs. 14.83 per 1000 person-days, p = 0.026) and all-cause death (2.05 vs. 5.78 per 1000 person-days, p = 0.052) were observed among Azvudine recipients. Azvudine was associated with lower risks of composite disease progression outcome (hazard ratio [HR]: 0.55; 95% confidence interval [CI]: 0.32-0.94) and all-cause death (HR: 0.40; 95% CI: 0.16-1.04). In subgroup analyses, the results of composite outcome retained significance among patients aged <65 years, those having a history of disease, those with severe COVID-19 at admission, and those receiving antibiotics. These findings suggest that Azvudine treatment showed effectiveness in hospitalized COVID-19 patients compared with nirmatrelvir-ritonavir in terms of composite disease progression outcome.
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 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 | 0,009 | 0,085 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».