Nirmatrelvir/Ritonavir Regimen for Mild/Moderately Severe COVID-19: A Rapid Review With Meta-Analysis and Trial Sequential Analysis
Notice bibliographique
Résumé
BACKGROUND The efficacy, effectiveness, and safety of the approved nirmatrelvir/ritonavir regimen for treatment of laboratory-confirmed mild/moderately severe COVID-19 remains unclear. METHODS We systematically identified randomized controlled trials (RCTs) and real-world studies (RWS; observational studies) of the efficacy/effectiveness and/or safety of the approved nirmatrelvir/ritonavir regimen for COVID-19. We pooled appropriate data (adjusted estimates for RWS) using an inverse variance, random-effects model. We calculated statistical heterogeneity using the I2 statistic. Results are presented as relative risk (RR) with associated 95% CI. We further assessed risk of bias/study quality and conducted trial sequential analysis of the evidence from RCTs. RESULTS We included 4 RCTs (4,070 persons) and 16 RWS (1,925,047 persons) of adults (aged ≥18 years). One and 3 RCTs were of low and unclear risk of bias, respectively. The RWS were of good quality. Nirmatrelvir/ritonavir significantly decreased COVID-19 hospitalization compared with placebo/no treatment (RR = 0.17; 95% CI, 0.10-0.31; I2 = 77.2%; 2 RCTs, 3,542 persons), but there was no significant difference for decrease of worsening severity (RR = 0.82; 95% CI, 0.66-1.01; I2 = 47.5%; 3 RCTs, 1,824 persons), viral clearance (RR = 1.19; 95% CI, 0.93-1.51; I2 = 82%; 2 RCTs, 528 persons), adverse events (RR = 1.41; 95% CI, 0.92-2.14; I2 = 70.6%; 4 RCTs, 4,070 persons), serious adverse events (RR = 0.82; 95% CI, 0.41-1.62; I2 = 0%; 3 RCTs, 3,806 persons), and all-cause mortality (RR = 0.27; 95% CI, 0.04-1.70; I2 = 49.9%; 3 RCTs, 3,806 persons), although trial sequential analysis suggested that the current total sample sizes for these outcomes were not large enough for conclusions to be drawn. Real-world studies also showed significantly decreased COVID-19 hospitalization (RR = 0.48; 95% CI, 0.37-0.60; I2 = 95.0%; 11 RWS, 1,421,398 persons) and all-cause mortality (RR = 0.24; 95% CI, 0.14-0.34; I2 = 65%; 7 RWS, 286,131 persons) for nirmatrelvir/ritonavir compared with no treatment. CONCLUSIONS Nirmatrelvir/ritonavir appears to be promising for preventing hospitalization and potentially decreasing all-cause mortality for persons with mild/moderately severe COVID-19, but the evidence is weak. More studies are needed.
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 | 0,030 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,021 | 0,044 |
| Bibliométrie | 0,007 | 0,007 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».