Effectiveness of nirmatrelvir-ritonavir for the treatment of patients with mild to moderate COVID-19 and at high risk of hospitalization: Systematic review and meta-analyses of observational studies
Notice bibliographique
Résumé
OBJECTIVE: To assess the effectiveness of nirmatrelvir-ritonavir in the treatment of outpatients with mild to moderate COVID-19 who are at higher risk of developing severe illness, through a systematic review with meta-analyses of observational studies. METHODS: A systematic search was performed, in accordance with the Cochrane search methods, to identify observational studies that met the inclusion criteria. The outcomes of mortality and hospitalization were analyzed. Search was conducted on PubMed, EMBASE, and The Cochrane Library. Two reviewers independently screened references, selected the studies, extracted the data, assessed the risk of bias using ROBINS-I tool and evaluated the quality of evidence using the GRADE tool. This study followed the PRISMA reporting guideline. RESULTS: A total of 16 observational studies were finally included. The results of the meta-analysis showed that in comparison to standard treatment without antivirals, nirmatrelvir-ritonavir reduced the risk of death by 59% (OR = 0.41; 95% CI: 0.35-0.52; moderate certainty of evidence). In addition, a 53% reduction in the risk of hospital admission was observed (OR = 0.47; 95% CI: 0.36-0.60, with very low certainty of evidence). For the composite outcome of hospitalization and/or mortality, there was a 56% risk reduction (OR = 0.44; 95% CI: 0.31-0.64, moderate certainty of evidence). CONCLUSION: The results suggest that nirmatrelvir-ritonavir could be effective in reducing mortality and hospitalization. The results were valid in vaccinated or unvaccinated high-risk individuals with COVID-19. Data from ongoing and future trials may further advance our understanding of the effectiveness and safety of nirmatrelvir-ritonavir and help improve treatment guidelines for COVID-19.
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 | 0,021 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,039 |
| 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 | 0,001 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».