Notice bibliographique
Résumé
We read with interest the Letter to the Editor titled “Can Colchicine as an Old Anti-Inflammatory Agent Be Effective in COVID-19?” by Nasiripour et al.,1 in which the authors stated that only 1 phase 3 multicenter, randomized, double-blind, placebo-controlled multicenter study has been assigned to clinicaltrials.gov by the Montreal Heart Institute to investigate the efficacy and safety of colchicine in adult patients diagnosed with COVID-19.2 In Argentina, we started COLCOVID Trial to test the effects of colchicine on moderate-/high-risk hospitalized COVID-19 patients with the aim of reducing mortality. This study is a phase 3 multicenter, controlled trial; our protocol was published in ClinicalTrial.gov on March 31, 2020.3 Therefore, we would like to affirm that, besides the COLCORONA Trial, there is another study ongoing focused on colchicine in COVID-19. We appreciate the opportunity to express our comment following the recent publication of the potential role of colchicine in SARS-CoV-2 infection. Pablo Corral reports honoraria for lectures from Amgen, Sanofi, AstraZeneca, and PTC; research grants from Amgen and Genzyme, and personal fees for consultancy from Amgen, Novartis, and Sanofi. Rafael Diaz reports research grants from Sanofi, DalCor, Population Health Research Institute, Duke Clinical Research Institute, the TIMI group, Amgen, Cirius, Montreal Health Innovations Coordinating Center, and Lepetit and personal fees from Amgen and Cirius.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,016 | 0,020 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».