COVID-19 vaccination and use of antibiotics in COVID-19 patients: a systematic review and meta-analysis
Notice bibliographique
Résumé
Background: Vaccinations are considered one of the most effective medical interventions. Among other benefits, certain vaccinations help reduce antimicrobial resistance by decreasing antibiotic use. Considering reports of increased antimicrobial resistance during the COVID-19 pandemic, this study aimed to explore the relationship between COVID-19 vaccination status and antibiotic use in COVID-19 patients. Methods: A systematic literature search was conducted in PubMed, Scopus, Web of Science, Embase, and Google Scholar between January 1, 2021, and November 6, 2024. The included studies were assessed for risk of bias using the Newcastle-Ottawa tool. Narrative synthesis and random-effects meta-analysis were employed to synthesize the evidence. Results: Eight studies were included in this systematic review and meta-analysis (134,022 participants). COVID-19 vaccination was significantly associated with a 34% reduction in the odds of antibiotic use (OR: 0.662; 95% CI: 0.540-0.811) in COVID-19 patients. These findings were supported by the sensitivity analyses. In the subgroup analysis, a significant negative association was observed between COVID-19 vaccination and antibiotic use among COVID-19 patients across all study designs. A major limitation of this study is that most of the included studies did not adjust for confounders. Conclusions: COVID-19 vaccination was associated with a significant reduction in antibiotic use among COVID-19 patients. COVID-19 vaccination status may have influenced healthcare providers' decisions regarding antibiotic use in this group. Further large-scale cohort studies are needed to confirm these findings. Other: The study protocol is registered with PROSPERO (ID: CRD42023449625). No funding was provided for this study. The APCs were covered by the Karolinska Institute.
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 | 0,002 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».