Small-molecule antiviral treatments for COVID-19: A systematic review and network meta-analysis
Notice bibliographique
Résumé
OBJECTIVE: This study aimed to explore the efficacy and safety of small-molecule antivirals for treating coronavirus disease 2019 (COVID-19). METHODS: Seven databases were searched from their inception to 01 June 2023. The risk of bias in randomised controlled trials and retrospective studies was evaluated individually using the Cochrane risk-of-bias tool and Newcastle Ottawa Scale. RESULTS: In total, 160 studies involving 933 409 COVID-19 patients were evaluated. Compared with placebo or standard of care, proxalutamide demonstrated remarkable efficacy in reducing mortality rates, hospitalisation rates, serious adverse events, and the need for mechanical ventilation. Furthermore, it significantly enhanced both the rate of clinical improvement and expedited the duration of clinical recovery when compared with control groups. In patients with mild-to-moderate COVID-19, proxalutamide exhibited the above advantages, except for mortality reduction. Triazavirin was the most effective treatment for reducing the time required for viral clearance and improving the discharge rate. Leritrelvir and VV116 were ranked first in terms of enhancing the viral clearance rate on days 7 and 14, respectively. Molnupiravir was the most effective treatment for reducing the need for oxygen support. Overall, these findings remained consistent across the various subgroups. CONCLUSIONS: A thorough evaluation of effectiveness, applicable to both mild-to-moderate and unstratified populations, highlights the specific advantages of proxalutamide, nirmatrelvir/ritonavir, triazavirin, azvudine, molnupiravir, and VV116 in combating COVID-19. Additional clinical data are required to confirm the efficacy and safety of simnotrelvir/ritonavir and leritrelvir. The safety profiles of these antivirals were deemed acceptable.
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 | 0,014 | 0,027 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,019 | 0,037 |
| Bibliométrie | 0,009 | 0,009 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 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 ».