MétaCan
Menu
Retour à la cohorte
Enregistrement W3047247307 · doi:10.12998/wjcc.v8.i15.3156

Medical research during the COVID-19 pandemic

2020· review· en· W3047247307 sur OpenAlexaff
Khalid Al‐Naamani, Siham Al‐Sinani, Alan Barkun

Notice bibliographique

RevueWorld Journal of Clinical Cases · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésPandemicMedicineClinical trialIsolation (microbiology)Intensive care medicineCoronavirus disease 2019 (COVID-19)CoronavirusPublic healthQuarantineDiseaseMedical emergencyInfectious disease (medical specialty)NursingPathologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

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.

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)0,051
score de la tête « metaresearch » (Gemma)0,056
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,051
Score d'incertitude au seuil0,268

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0510,056
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0030,003
Communication savante0,0050,004
Science ouverte0,0020,005
Intégrité de la recherche0,0050,005
Charge utile insuffisante (le modèle a refusé de juger)0,0220,006

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 Opus0,564
Tête enseignante GPT0,623
Écart entre enseignants0,059 · 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
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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorld Journal of Clinical CasesMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207