Monoclonal antibodies as COVID-19 prophylaxis therapy in immunocompromised patient populations
Notice bibliographique
Résumé
OBJECTIVES: The objective of this review was to examine the latest literature regarding the effectiveness of monoclonal antibodies as COVID-19 prophylaxis therapy for immunocompromised patient populations. METHODS: Literature review of published real-world and randomized control trials (RCTs) from 2020 to May 2023. RESULTS: COVID-19 is highly transmissible with potentially serious health outcomes, underscoring the need for effective prevention and treatment strategies. Vaccines are highly effective at preventing COVID-19 for the general population; however, efficacy is often impaired in immunocompromised patients given insufficient response to initial exposure and/or memory for secondary exposures. Some individuals may also have contraindications to vaccination. As such, additional protective measures are needed to bolster the immune response in these populations. Monoclonal antibodies have been effective at bolstering immune system responses to COVID-19 among immunocompromised patients; however, they are proving ineffective against the most recent Omicron strains (BA.4 and BA.5). CONCLUSION: Several studies have investigated the efficacy of monoclonal antibodies as pre- and post-prophylaxis for COVID-19. Historical evidence is promising; however, new variants of concern are proving challenging for currently available regimens.
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 | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».