MétaCan
Menu
Retour à la cohorte
Enregistrement W3045267602 · doi:10.3390/microorganisms8081097

Evaluation of Current Therapies for COVID-19 Treatment

2020· review· en· W3045267602 sur OpenAlexafffund
Atin Sethi, Horacio Bach

Notice bibliographique

RevueMicroorganisms · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésMedicineIntensive care medicineCoronavirus disease 2019 (COVID-19)Clinical trialSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakHarmInternal medicinePathologyDiseasePsychologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The virus SARS-CoV-2, the etiological agent of COVID-19, is responsible for more than 400,000 deaths worldwide as of 10 June 2020. As a result of its recent appearance (December 2019), an efficacious treatment is not yet available. Although considered a lung infection since its emergence, COVID-19 is now causing multiple organ failure, requiring a continuous adjustment in the procedures. In this review, we summarize the current literature surrounding unproven therapies for COVID-19. Analyses of the clinical trials were grouped as chemotherapy, serotherapy, anticoagulant, and the use of human recombinant soluble ACE2 therapies. We conclude that, while no agent has hit the threshold for quality of evidence to demonstrate efficacy and safety, preliminary data show potential benefits. Moreover, there is a possibility for harm with these unproven therapies, and the decision to treat should be based on a comprehensive risk-benefit analysis.

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)0,002
score de la tête « metaresearch » (Gemma)0,027
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,027
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,449
Tête enseignante GPT0,595
Écart entre enseignants0,146 · 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'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

Citations17
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207