MétaCan
Menu
Retour à la cohorte
Enregistrement W3041876901 · doi:10.4236/aid.2020.103008

Practical Guideline for Screening the Patients with SARS-CoV-2 Infection and Persian Gulf Criteria for Diagnosis of COVID-19

2020· article· en· W3041876901 sur OpenAlexaff
Iraj Salehi-Abari, Shabnam Khazaeli, Fardin Salehi-Abari, Arian Salehi-Abari

Notice bibliographique

RevueAdvances in Infectious Diseases · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 diagnosis using AI
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésMedicineARDSAsymptomaticOutbreakPandemicViral pneumoniaPneumoniaDiseaseThroatAtypical pneumoniaVirologyIntensive care medicineImmunologyCoronavirus disease 2019 (COVID-19)LungInternal medicineInfectious disease (medical specialty)Surgery

Résumé

récupéré en direct d'OpenAlex

The new Coronavirus disease or COVID-19 is a contagious viral/immune-logical systemic disorder with predominantly respiratory features caused by human infection with SARS-CoV-2, which is rapidly spreading from person-to-person all around the world as a pandemic. The new outbreak of COVID-19 first appeared in Wuhan, China in December 2019. This virus is transmitted from human to human in various ways including air, aerosol, touching, and fecal-oral ways. The SARS-CoV-2 survives for several days in the environment. The SARS-CoV-2 virus multiplies within the cells of mouth-throat or nose-throat, and despite the production of antibodies by the human immune system, if the virus continues to multiply and progress, it will enter the bloodstream and reach its target organ, the lungs. It takes an incubation period of one to fourteen days for the initial symptoms/signs of disease to appear as fever, dry cough, and fatigue. Finally, shortness of breath due to pneumonia/pneumonitis with or without Acute Respiratory Distress Syndrome (ARDS) causes the patient to be hospitalized and transferred to ICU. Older people with underlying disorders account for the majority of deaths from COVID-19, while children under the age of 15 - 20 are the main carriers of the SARS-CoV-2. About 40% of patients with COVID-19 are asymptomatic and, 40% mild, 15%; severe, and 5% are critical COVID-19. COVID-19 Molecular Diagnostic Tests and COVID-19 Antibody Tests are two types of diagnostic kit tests for identification of the SARS-CoV-2 and the High Resolution Computerised Tomography (HRCT) scanning of lungs is the best imaging method for detecting pneumonia/pneumonitis and assessing its severity. This paper is intended to present a health system called COVID-19 Referral System for screening and developing very sensitive diagnostic criteria as Persian Gulf Criteria for diagnosis of COVID-19. By using these two methods and performing the SARS-CoV-2 kit tests more and more widely, and performing accurate isolation of patients and virus carriers and complete quarantine of red zones, it is possible to successfully control the SARS-CoV-2 epidemics.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0310,014

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 Opus0,053
Tête enseignante GPT0,413
Écart entre enseignants0,360 · 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
GenreMéthodes

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

En bref

Citations14
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdvances in Infectious DiseasesMême sujetCOVID-19 diagnosis using AITravaux en français237 207