MétaCan
Menu
Retour à la cohorte
Enregistrement W3035409428 · doi:10.1093/cid/ciaa773

Coronavirus Disease 2019 and Antimicrobial Resistance: Parallel and Interacting Health Emergencies

2020· article· en· W3035409428 sur OpenAlexaff
Robby Nieuwlaat, Lawrence Mbuagbaw, Dominik Mertz, Lori L. Burrows, Dawn M. E. Bowdish, Lorenzo Moja, Gerard D. Wright, Holger J. Schünemann

Notice bibliographique

RevueClinical Infectious Diseases · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensCochraneSt. Joseph’s Healthcare HamiltonMcMaster UniversityImpact
Organismes subventionnairesWorld Health Organization
Mots-clésPandemicCoronavirus disease 2019 (COVID-19)MedicineIntensive care medicineSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakCoronavirusDiseaseAntibiotic resistanceRisk analysis (engineering)Infectious disease (medical specialty)VirologyOutbreakAntibiotics

Résumé

récupéré en direct d'OpenAlex

The coronavirus disease 2019 (COVID-19) pandemic and antimicrobial resistance (AMR) are parallel and interacting health emergencies that provide the opportunity for mutual learning. As their measures and consequences are comparable, the COVID-19 pandemic helps to illustrate the potential long-term impact of AMR, which is less acute but not less crucial. They may also impact each other as there is a push to use existing antimicrobials to treat critically ill COVID-19 patients in the absence of specific treatments. Attempts to manage the spread of COVID-19 may also lead to a slowdown in AMR. Understanding how COVID-19 affects AMR trends and what we can expect if these trends remain the same or worsen will help us to plan the next steps for tackling AMR. Researchers should start collecting data to measure the impact of current COVID-19 policies and programs on AMR.

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)0,054
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,058
Score d'incertitude au seuil0,954

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,054
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,155
Tête enseignante GPT0,505
Écart entre enseignants0,350 · 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.

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

Citations153
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207