Table2_An updated meta-analysis of Chinese herbal medicine for the prevention of COVID-19 based on Western-Eastern medicine.DOCX
Notice bibliographique
Résumé
Background and aims: Chinese herbal medicine (CHM) was used to prevent and treat coronavirus disease 2019 (COVID-19) in clinical practices. Many studies have demonstrated that the combination of CHM and Western medicine can be more effective in treating COVID-19 compared to Western medicine alone. However, evidence-based studies on the prevention in undiagnosed or suspected cases remain scarce. This systematic review and meta-analysis aimed to investigate the effectiveness of CHM in preventing recurrent, new, or suspected COVID-19 diseases. Methods: We conducted a comprehensive search using ten databases including articles published between December 2019 and September 2023. This search aimed to identify studies investigating the use of CHM to prevent COVID-19. Heterogeneity was assessed by a random-effects model. The relative risk (RR) and mean differences were calculated using 95% confidence intervals (CI). The modified Jadad Scale and the Newcastle-Ottawa Scale (NOS) were employed to evaluate the quality of randomized controlled trials and cohort studies, respectively. Results: Seventeen studies with a total of 47,351 patients were included. Results revealed that CHM significantly reduced the incidence of COVID-19 (RR = 0.24, 95% CI = 0.11–0.53, p = 0.0004), influenza (RR = 0.37, 95% CI = 0.18–0.76, p = 0.007), and severe pneumonia exacerbation rate (RR = 0.17, 95% CI = 0.05–0.64, p = 0.009) compared to non-treatment or conventional control group. Evidence evaluation indicated moderate quality evidence for COVID-19 incidence and serum complement components C3 and C4 in randomized controlled trials. For the incidence of influenza and severe pneumonia in RCTs as well as the ratio of CD4<sup>+</sup>/CD8<sup>+</sup> lymphocytes, the evidence quality was low. The remaining outcomes including the disappearance rate of symptoms and adverse reactions were deemed to be of very low quality. Conclusion: CHM presents a promising therapeutic option for the prevention of COVID-19. However, additional high-quality clinical trials are needed to further strengthen evidential integrity.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,187 | 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 ».