Eficacia de las intervenciones farmacológicas para el tratamiento de la COVID-19
Notice bibliographique
Résumé
Introducción. A pesar de la elevada morbimortalidad por coronavirus 19 aún no existe un tratamiento eficaz para abordarla. Objetivo. Establecer la eficacia de las intervenciones farmacológicas en el tratamiento de adultos con diagnóstico de enfermedad por coronavirus en cualquier fase. Metodología. Mediante una revisión exploratoria, se examinaron publicaciones hasta el 21 de enero de 2021 por una búsqueda en MEDLINE, Cochrane, me-dRxiv, New England Journal vía PubMed. Se analizaron fármacos reductores de la actividad viral, corticoides, terapia relacionada al sistema inmune para evaluar los desenlaces de supervivencia, ventilación mecánica, estancia hospitalaria y seguridad tras su aplicación a pacientes en fase leve, moderada y/o grave de la enfermedad. Se priorizaron ensayos clínicos controlados y aleatorizados, cuyo riesgo de sesgo se determinó con Newcastle-Ottawa y A measurement Tool to Assess Systematic Reviews 2. Resultados. Se comprobó que el Interferon-α2b disminuye la duración de eliminación del virus y los marcadores inflamatorios. En la terapia autoinmune, el tocilizumab mostró leve eficacia al administrarlo de forma única, sin embargo, combinado con dexametasona potencia su efecto. Conclusión. A un año de la pandemia por coronavirus 19 no hay evidencia concluyente sobre su terapia. Se ha comprobado cierta eficacia del Interferon-α2b inhalado, así como del tocilizumab y la dexametasona en administración única o combinada.
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 | 0,013 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,001 |
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 ».