Overview: The history and pediatric perspectives of severe acute respiratory syndromes: Novel or just like SARS
Notice bibliographique
Résumé
Many respiratory viral infections such as influenza and measles result in severe acute respiratory symptoms and epidemics. In the spring of 2003, an epidemic of coronavirus pneumonia spread from Guangzhou to Hong Kong and subsequently to the rest of the world. The WHO coined the acronym SARS (severe acute respiratory syndrome) and subsequently the causative virus as SARS-CoV. In the summer of 2012, epidemic of pneumonia occurred again in Saudi Arabia which was subsequently found to be caused by another novel coronavirus. WHO coined the term MERS (Middle East respiratory syndrome) to denote the Middle East origin of the novel virus (MERS-CoV). In the winter of 2019, another outbreak of pneumonia occurred in Wuhan, China which rapidly spread globally. Yet another novel coronavirus was identified as the culprit and has been named SARS-CoV-2 due to its similarities with SARS-CoV, and the disease as coronavirus disease-2019. This overview aims to compare and contrast the similarities and differences of these three major episodes of coronavirus outbreak, and conclude that they are essentially the same viral respiratory syndromes caused by similar strains of coronavirus with different names. Coronaviruses have caused major epidemics and outbreaks worldwide in the last two decades. From an epidemiological perspective, they are remarkably similar in the mode of spread by droplets. Special focus is placed on the pediatric aspects, which carry less morbidity and mortality in all three entities.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».