MétaCan
Menu
Retour à la cohorte
Enregistrement W3034723589 · doi:10.1111/all.14449

A compendium answering 150 questions on COVID‐19 and SARS‐CoV‐2

2020· review· en· W3034723589 sur OpenAlexaff
Carmen Riggioni, Pasquale Comberiati, Mattia Giovannini, Ioana Agache, Mübeccel Akdiş, Magna Alves‐Correia, Josep M. Antó, Alessandra Arcolacı, Ahmet Kürşat Azkur, Dilek Azkur, Burçin Beken, Cristina Boccabella, Jean Bousquet, Heimo Breiteneder, Daniela Carvalho, Leticia de las Vecillas, Zuzana Diamant, Ibon Eguíluz‐Gracia, Thomas Eiwegger, Stefanie Eyerich, Wytske J. Fokkens, Yadong Gao, Farah Hannachi, Sebastian L. Johnston, Marek Jutel, Aspasia Karavelia, Ludger Klimek, Beatriz Moya, Kari C. Nadeau, Robyn E. O’Hehir, Liam O’Mahony, Oliver Pfaar, Marek Sanak, Jürgen Schwarze, Milena Sokołowska, Marı́a José Torres, Willem van de Veen, Menno C. van Zelm, De Yun Wang, Luo Zhang, Rodrigo Jiménez‐Saiz, Cezmi A. Akdiş

Notice bibliographique

RevueAllergy · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensMcMaster University Medical CentreHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesInstituto de Salud Carlos IIIAllergopharmaEuropean Academy of Allergy and Clinical ImmunologySchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungConsejo Superior de Investigaciones CientíficasNational Health and Medical Research CouncilSanofiEuropean CommissionRegeneron PharmaceuticalsIdorsia PharmaceuticalsGlaxoSmithKlineAstraZenecaNational Science Foundation
Mots-clésCoronavirus disease 2019 (COVID-19)CompendiumSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakPandemicVirologyBetacoronavirusMedicineHistoryInfectious disease (medical specialty)PathologyDiseaseOutbreak

Résumé

récupéré en direct d'OpenAlex

In December 2019, China reported the first cases of the coronavirus disease 2019 (COVID-19). This disease, caused by the severe acute respiratory syndrome-related coronavirus 2 (SARS-CoV-2), has developed into a pandemic. To date, it has resulted in ~9 million confirmed cases and caused almost 500 000 related deaths worldwide. Unequivocally, the COVID-19 pandemic is the gravest health and socioeconomic crisis of our time. In this context, numerous questions have emerged in demand of basic scientific information and evidence-based medical advice on SARS-CoV-2 and COVID-19. Although the majority of the patients show a very mild, self-limiting viral respiratory disease, many clinical manifestations in severe patients are unique to COVID-19, such as severe lymphopenia and eosinopenia, extensive pneumonia, a "cytokine storm" leading to acute respiratory distress syndrome, endothelitis, thromboembolic complications, and multiorgan failure. The epidemiologic features of COVID-19 are distinctive and have changed throughout the pandemic. Vaccine and drug development studies and clinical trials are rapidly growing at an unprecedented speed. However, basic and clinical research on COVID-19-related topics should be based on more coordinated high-quality studies. This paper answers pressing questions, formulated by young clinicians and scientists, on SARS-CoV-2, COVID-19, and allergy, focusing on the following topics: virology, immunology, diagnosis, management of patients with allergic disease and asthma, treatment, clinical trials, drug discovery, vaccine development, and epidemiology. A total of 150 questions were answered by experts in the field providing a comprehensive and practical overview of COVID-19 and allergic disease.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,022
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0050,003
Études des sciences et des technologies0,0010,003
Communication savante0,0050,005
Science ouverte0,0020,003
Intégrité de la recherche0,0030,008
Charge utile insuffisante (le modèle a refusé de juger)0,0120,009

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 Opus0,195
Tête enseignante GPT0,512
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations150
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAllergyMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207