Coronavirus disease 2019 (COVID-19): latest developments in potential treatments
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many viral respiratory infections can cause severe acute respiratory symptoms leading to mortality and morbidity. In the spring of 2003, the severe acute respiratory syndrome (SARS) outbreak caused by SARS-CoV spread globally. In the summer of 2012, the Middle East respiratory syndrome (MERS) outbreak caused by MERS-CoV occurred in Saudi Arabia. In the winter of 2019, the coronavirus disease 2019 (COVID-19) outbreak caused by a novel coronavirus SARS-CoV-2 occurred in China which rapidly spread worldwide causing a global pandemic. Up until 27 May 2020, there are 5.5 million confirmed cases of COVID-19 and 347,587 COVID-19 related deaths worldwide, and there has also been an unprecedented increase in socioeconomic and psychosocial issues related to COVID-19. This overview aims to review the current developments in preventive treatments and therapies for COVID-19. The development of vaccines for SARS-CoV-2 is ongoing and various clinical trials are currently underway around the world. It is hoped that existing antivirals including remdesivir and lopinavir-ritonavir might have roles in the treatment of COVID-19, but results from trials thus far have not been promising. COVID-19 causes a mild respiratory disease in the majority of cases, but in some cases, cytokine activation causes sepsis and acute respiratory distress syndrome, leading to morbidity and mortality. Immunomodulatory treatments and biologics are also being actively explored as therapeutics for COVID-19. On the other hand, the use of steroidal and nonsteroidal anti-inflammatory drugs (NSAIDs) has been discouraged based on concerns about their adverse effects. Over the past two decades, coronaviruses have caused major epidemics and outbreaks worldwide, whilst modern medicine has been playing catch-up all along.
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.
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 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle