MétaCan
Menu
Retour à la cohorte
Enregistrement W3013013876 · doi:10.34172/ijoem.2020.1977

Preparedness and Lessons Learned from the Novel Coronavirus Disease

2020· article· en· W3013013876 sur OpenAlexaff
Sai Krishna Gudi, Komal Krishna Tiwari

Notice bibliographique

RevueThe International Journal of Occupational and Environmental Medicine · 2020
Typearticle
Langueen
DomaineMathematics
ThématiqueCOVID-19 epidemiological studies
Établissements canadiensCanadian Physiotherapy AssociationUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésPandemicPreparednessCoronavirus disease 2019 (COVID-19)OutbreakMiddle East respiratory syndromeCoronavirusPublic healthSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Global health2019-20 coronavirus outbreakDiseaseMiddle East respiratory syndrome coronavirusMedicinePolitical scienceMedical emergencyGeographyVirologyInfectious disease (medical specialty)Pathology

Résumé

récupéré en direct d'OpenAlex

In a short span, a novel coronavirus (SARS-CoV-2) has captured global consciousness by significantly affecting the day-to-day life of humans and emerged as a public health emergency. Undoubtedly, it indicates that lessons learnt from the past epidemics of coronaviruses such as the Middle East Respiratory Syndrome (MERS) and Severe Acute Respiratory Syndrome (SARS), had not enough and thus left us ill-prepared to deal with the challenges that COVID-19 pandemic is currently posing. Currently, as a global pandemic, COVID-19 poses major challenges and thus forcing the entire world to lockdown. However, the disease has prepared humankind in facing such outbreaks at present as well as in the future. Besides, it has also taught numerous lessons that are worth considering and implementing to make the world a better reality.

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)0,000
score de la tête « metaresearch » (Gemma)0,002
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: Empirique
Score de désaccord entre enseignants0,264
Score d'incertitude au seuil0,225

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,509
Tête enseignante GPT0,468
Écart entre enseignants0,041 · 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

Citations88
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Occupational and Environmental MedicineMême sujetCOVID-19 epidemiological studiesTravaux en français237 207