Update on efficacy of the approved remdesivir regimen for treatment of COVID-19: a systematic review with meta-analysis and trial sequential analysis of randomized controlled trials
Notice bibliographique
Résumé
Background Efficacy of remdesivir for COVID-19 remains unclear. We updated our published systematic review to better inform on the use of remdesivir for COVID-19.Methods We searched for randomized controlled trials (RCTs) among hospitalized COVID-19 patients. Meta-analysis was conducted using an inverse variance, random-effects model, presenting relative risk (RR) or mean difference (MD) and their associated 95% confidence intervals (CIs). Statistical heterogeneity was calculated using the I2 statistic. In addition, we conducted trial sequential analysis (TSA). Outcomes with additional data were clinical progression, hospitalization days, and all-cause mortality.Results We included nine RCTs (12,876 individuals). Three trials each were of a low, unclear, and a high risk of bias. Compared with no treatment/placebo, remdesivir (100 mg daily, over 10 days) significantly improved clinical progression (RR 1.06, CI 1.02–1.11), but did not significantly reduce hospitalization days (MD −0.48, CI −2.18–1.21) and all-cause mortality (RR 0.92, CI 0.84–1.01). TSA suggested that further information is not required to conclude on the efficacy of remdesivir in improving clinical progression, and that, while more information is required for hospitalization days and all-cause mortality, further RCTs to prove fewer hospitalization days may be futile, as efficacy of remdesivir for this outcome is unlikely.Conclusions Remdesivir appeared promising for COVID-19, but there is insufficient evidence of its efficacy. High quality RCTs are needed for a stronger evidence base.
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 | 0,034 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,020 | 0,033 |
| Bibliométrie | 0,011 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| 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 ».