MétaCan
Menu
Retour à la cohorte
Enregistrement W3003984117 · doi:10.3390/jrfm13020022

Risk Management Analysis for Novel Coronavirus in Wuhan, China

2020· article· en· W3003984117 sur OpenAlexaffvenue
Xiao‐Guang Yue, Xuefeng Shao, Rita Yi Man Li, M. James C. Crabbe, Lili Mi, Siyan Hu, Julien S. Baker, Gang Liang

Notice bibliographique

RevueJournal of risk and financial management · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésChinaCoronavirus disease 2019 (COVID-19)OutbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)CoronavirusRisk managementIdentification (biology)2019-20 coronavirus outbreakBusinessEnvironmental planningPandemicWarning systemPneumoniaRisk assessmentGeographyPolitical scienceEnvironmental healthRisk analysis (engineering)Environmental resource managementMedicineVirologyComputer securityComputer scienceEconomicsFinanceDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Recently, a novel coronavirus pneumonia (2019–nCoV) outbreak occurred in Wuhan, China, rapidly spreading first to the whole country, and then globally, causing widespread concern. From the perspectives of early warning and identification of risk, risk monitoring, and analysis, as well as risk management and handling, we propose corresponding solutions and recommendations, which include institutional cooperation, and to inform national and international policy-makers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,751
Score d'incertitude au seuil0,597

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,127
Tête enseignante GPT0,367
Écart entre enseignants0,240 · 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 tête enseignante, pas un consensus.

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

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

En bref

Citations68
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetCOVID-19 epidemiological studiesTravaux en français237 207