Interventional radiology and COVID-19: evidence-based measures to limit transmission
Notice bibliographique
Résumé
T he ongoing COVID-19 outbreak caused by a novel Corona virus known as SARS-CoV-2, has become a global pandemic with more than 270 000 cases reported worldwide at the time of this article, with number of deaths more than 11 000. With the pathogen being a novel virus, many aspects of the organism and manifestations related to acute and long-term consequences are still unknown. The virus characteristics, mutagenic forms, origin and routes of animal to human transmission, mode of human spread, extent of asymptomatic carriers, variables affecting mortality, effective treatment options and feasibility of developing vaccine are all parameters which need further study and definition. As other departments, it is imperative on Interventional Radiology (IR) to provide its services safely and effectively while reducing the risk of transmission to the staff. The virus has been shown to have phylogenetic similarity as well as severity of manifestations comparable to severe respiratory syndrome (SARS) caused by SARS-CoV-1. With much more yet to be known about the virus, an adequate protocol needs to be derived from the available fragmentary data and lessons learnt from prior outbreaks like SARS. We aim to put forth guidelines that the service needs to adopt to maintain a balance between optimal patient care without compromising on precautionary measures for IR staff.
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 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».