Echinacea Reduces Antibiotics by Preventing Respiratory Infections: A Meta-Analysis (ERA-PRIMA)
Notice bibliographique
Résumé
Respiratory tract infections (RTIs) are the leading cause of antibiotic prescriptions, primarily due to the risk for secondary bacterial infections. In this study, we examined whether Echinacea could reduce the need for antibiotics by preventing RTIs and their complications, and subsequently investigated its safety profile. A comprehensive search of EMBASE, PubMed, Google Scholar, Cochrane DARE and clinicaltrials.gov identified 30 clinical trials (39 comparisons) studying Echinacea for the prevention or treatment of RTIs in 5652 subjects. Echinacea significantly reduced the monthly RTI occurrence, risk ratio (RR) 0.68 (95% CI 0.61–0.77) and number of patients with ≥1 RTI, RR = 0.75 [95% CI 0.69–0.81] corresponding to an odds ratio 0.53 [95% CI 0.42–0.67]. Echinacea reduced the risk of recurrent infections (RR = 0.60; 95% CI 0.46–0.80), RTI complications (RR = 0.44; 95% CI 0.36–0.54) and the need for antibiotic therapy (RR = 0.60; 95% CI 0.39–0.93), with total antibiotic therapy days reduced by 70% (IRR = 0.29; 95% CI 0.11–0.74). Alcoholic extracts from freshly harvested Echinacea purpurea were the strongest, with an 80% reduction of antibiotic treatment days, IRR 0.21 [95% CI 0.15–0.28]. An equal number of adverse events occurred with Echinacea and control treatment. Echinacea can safely prevent RTIs and associated complications, thereby decreasing the demand for antibiotics. Relevant differences exist between Echinacea preparations.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».