Medical research during the COVID-19 pandemic
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
laboratory investigations, experimental animal models, or previous clinical experience in treating similar viruses such as SARS-CoV-1 or other retroviral infections. The running of any clinical trial during a pandemic is affected at multiple levels. Reasons for this include patient hesitancy or inability to continue investigative treatments due to self-isolation/quarantine, or limited access to public places (including hospitals). Additional barriers relate to health care professionals being committed to other critical tasks or quarantining themselves due to contact with COVID-19 positive patients. The best research approaches are those that adapt to such external unplanned obstacles. Ongoing clinical trials before COVID-19 pandemic have the potential for identifying important therapies in the long-term if they can be completed as planned. However, these clinical trials may require modifications due a pandemic such as this one to ensure the rights, safety, and wellbeing of participants as well as medical staff involved in the conduction of clinical trials. Clinical trials initiated during the pandemic must be time-efficient and flexible due to high contagiousness of severe acute respiratory syndrome coronavirus 2, the significant number of reported deaths, and time constraints needed to perform high quality clinical trials, enrolling adequate sample sizes. Collaboration between different countries as well as implementation of innovative clinical trial designs are essential to successfully complete such initiatives during the current pandemic. Studies looking at the long term sequalae of COVID-19 are also of importance as recent publications describe multi-organ involvement. Long term follow-up of COVID-19 survivors is thus also important to identify possible physical and mental health sequellae.
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 | 0,023 | 0,130 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,003 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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