MétaCan
Menu
Retour à la cohorte
Enregistrement W4410851675 · doi:10.1136/bmj-2024-081165

Drug treatments for mild or moderate covid-19: systematic review and network meta-analysis

2025· review· en· W4410851675 sur OpenAlexaff
Sara Ibrahim, Reed Siemieniuk, María José Oliveros, Nazmul Islam, Juan Pablo Díaz Martinez, Ariel Izcovich, Anila Qasim, Yunli Zhao, Carlos Zaror, Liang Yao, Ying Wang, Per Olav Vandvik, Yetiani Roldán, Bram Rochwerg, Gabriel Rada, Manya Prasad, Héctor Pardo‐Hernández, Reem A. Mustafa, Fatemeh Mirzayeh Fashami, Anna Miroshnychenko, Shelley McLeod, Cristián Mansilla, François Lamontagne, Azin Khosravirad, Kimia Honarmand, Maryam Ghadimi, Ya Gao, Farid Foroutan, Tahira Devji, Rachel Couban, Derek K. Chu, Saifur Rahman Chowdhury, Yaping Chang, Gonzalo Bravo‐Soto, Diana Biscay, Maria Azab, Thomas Agoritsas, Arnav Agarwal, Gordon Guyatt, Romina Brignardello-Petersen

Notice bibliographique

RevueBMJ · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensCanadian Agency for Drugs and Technologies in HealthWestern UniversityCentre Hospitalier Universitaire de SherbrookeMcMaster UniversitySchwartz/Reisman Emergency Medicine InstituteToronto General HospitalUniversity of TorontoTed Rogers Centre for Heart ResearchImpact
Organismes subventionnairesnon disponible
Mots-clésMedicineConfidence intervalMeta-analysisSystematic reviewMEDLINEPlaceboClinical trialCoronavirus disease 2019 (COVID-19)Internal medicineAlternative medicineDiseasePathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To compare the effects of treatments for mild or moderate (that is, non-severe) coronavirus disease 2019 (covid-19). DESIGN: Systematic review and network meta-analysis. DATA SOURCES: Covid-19 Living Overview of Evidence Repository (covid-19 L-OVE) by the Epistemonikos Foundation, a public, living repository of covid-19 articles, from 1 January 2023 to 19 May 2024. The search also included the WHO covid-19 database (up to 17 February 2023) and six Chinese databases (up to 20 February 2021). The analysis included studies identified between 1 December 2019 and 28 June 2023. STUDY SELECTION: Randomised clinical trials in which people with suspected, probable, or confirmed mild or moderate covid-19 were allocated to drug treatment or to standard care or placebo. Pairs of reviewers independently screened potentially eligible articles. METHODS: After duplicate data abstraction, a bayesian network meta-analysis was conducted. Risk of bias was assessed by use of a modification of the Cochrane risk of bias 2.0 tool, and the certainty of the evidence using the grading of recommendations assessment, development, and evaluation (GRADE) approach. For each outcome, following GRADE guidance, drug treatments were classified in groups from the most to the least beneficial or harmful. RESULTS: Of 259 trials enrolling 166 230 patients, 187 (72%) were included in the analysis. Compared with standard care, two drugs probably reduce hospital admission: nirmatrelvir-ritonavir (25 fewer per 1000 (95% confidence interval 28 fewer to 20 fewer), moderate certainty) and remdesivir (21 fewer per 1000 (28 fewer to 7 fewer), moderate certainty). Molnupiravir and systemic corticosteroids may reduce hospital admission (low certainty). Compared with standard care, azithromycin probably reduces time to symptom resolution (mean difference 4 days fewer (5 fewer to 3 fewer), moderate certainty) and systemic corticosteroids, favipiravir, molnupiravir, and umifenovir probably also reduce duration of symptoms (moderate to high certainty). Compared with standard care, only lopinavir-ritonavir increased adverse effects leading to discontinuation. CONCLUSION: Nirmatrelvir-ritonavir and remdesivir probably reduce admission to hospital, and systemic corticosteroids and molnupiravir may reduce admission to hospital. Several medications including systemic corticosteroids and molnupiravir probably reduce time to symptom resolution. SYSTEMATIC REVIEW REGISTRATION: This review was not registered. The protocol is publicly available in the supplementary material.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,036
score de la tête « metaresearch » (Gemma)0,078
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,189

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,078
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0200,034
Bibliométrie0,0120,009
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,419
Tête enseignante GPT0,587
Écart entre enseignants0,168 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207