fbpx Cochrane e BMJ contestano l’efficacia degli antivirali | Page 22 | Scienza in rete

Cochrane e BMJ contestano l’efficacia degli antivirali

Primary tabs

Read time: 2 mins

Non ci sono prove dell’efficacia di Tamiflu (oseltamivir) e Relenza (zanamivir) nella prevenzione e nel trattamento dell’influenza. Questa è la forte presa di posizione fatta dalla Cochrane Collaboration e dal British Medical Journal (BMJ), alla luce delle due systematic review sull’efficacia degli inibitori della neuraminidasi che hanno pubblicato.

I loro studi sono interamente basati su report di studi clinici, database elettronici, archivi e corrispondenza con i produttori, per un totale di più di 150.000 pagine di documenti; nel dettaglio, i ricercatori si sono concentrati su 20 (Tamiflu) e 26 (Relenza) studi controllati randomizzati che hanno testato l’efficacia dei due farmaci nel trattamento e nella profilassi pre- e post-esposizione al virus dell’influenza. Nel complesso, questi studi hanno riguardato più di 24.000 adulti e bambini con un’esposizione – sospettata o confermata – all’influenza.

Ciò che i ricercatori hanno scoperto è che, quando usati per la profilassi, entrambi i farmaci riducono i sintomi dell’influenza (ma non nei bambini, nel caso dello zanamivir). Nonostante questa riduzione, la loro efficacia nell’impedire la diffusione del virus da persone infette a soggetti sani rimane non verificata. Entrambi i farmaci hanno mostrato modesti effetti per quanto riguarda l’attenuazione dei sintomi da sindrome influenzale, ma all’oseltamivir è stato associato un maggior rischio di nausea, vomito, emicrania, e sindromi renali e psichiatriche. Inoltre, non è stata trovata alcuna prova circa la riduzione dei rischi di complicazioni, soprattutto polmoniti, ricovero ospedaliero o morte. Addirittura, i risultati hanno mostrato che l’assunzione di Tamiflu potrebbe impedire, in alcune persone, di produrre un numero sufficiente di anticorpi per contrastare l’infezione.

Uno studio di questa portata non era stato condotto nel 2009, dal momento che i dati dei test clinici non erano pienamente accessibili; ciò ha impedito ai ricercatori di verificare le affermazioni circa l’efficacia degli inibitori della neuraminidasi contro l’influenza e le complicazioni a essa associata, che hanno spinto molti governi ad accumulare ingenti quantità di questi farmaci in caso di pandemia. Una decisione costata grandi quantità di denaro pubblico e che ha suscitato molte polemiche.

Gli autori dello studio concludono quindi che la loro analisi non conferma l’efficacia di zanamivir e oseltamivir proclamata dai loro produttori, e solleva dubbi sia sulla scelta di accumulare grandi quantità di questi farmaci, sia sull’inclusione dell’oseltamivir nella lista dei farmaci essenziali contro l’influenza, stilata dall’Organizzazione Mondiale della Sanità. 

Autori: 
Sezioni: 
Free tag: 
Studi clinici

prossimo articolo

LLM e ricerca scientifica: opportunità, rischi e controlli

disegno di ricercatore al computer

Come integrare i modelli linguistici di grandi dimensioni nel processo scientifico senza comprometterne l'integrità? Gli LLM sono utili quando velocizzano lavoro ripetitivo e preparatorio. Diventano rischiosi quando il loro output entra direttamente nel processo di validazione o nella decisione scientifica. La questione da porre non è se ma come integrarli nel processo scientifico senza comprometterne l'integrità.

Immagine di copertina realizzata con ChatGPT

Nel discorso pubblico, intelligenza artificiale e Large Language Model (LLM) vengono spesso usati come sinonimi. Non lo sono. L'IA è il campo più ampio che comprende tecniche diverse — dai sistemi simbolici all'apprendimento automatico, dalla visione artificiale alla robotica, fino ai modelli generativi. Gli LLM sono una classe specifica di questi sistemi: modelli addestrati su grandi quantità di testo e, sempre più spesso, di dati multimodali, capaci di produrre risposte linguisticamente plausibili, codice, sintesi, classificazioni e proposte operative.