Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), which causes coronavirus disease 2019 (COVID-19), has reached a pandemic level. Very recently, I reported a significantly higher prevalence of diabetes and hypertension in severe COVID-19 as compared with non-severe COVID-19 by the meta-analysis. Considering that both diabetes and hypertension are risk factors for atherosclerosis, I further studied the prevalence of cardiovascular disease (CVD) in COVID-19 and found a significantly higher prevalence of CVD in severe patients than in non-severe patients. I speculate that the pre-existing vascular damage is associated with severity of COVID-19. A recent study showed that obese patients with COVID-19, despite their younger age, required more frequently assisted ventilation and access to intensive care units than normal weight patients. I thought that if the reason that COVID-19 is likely to become severe in obese people could be elucidated, the mechanism for aggravation of COVID-19 would be understood. As a result of considering a model of aggravation in obese people, I came up with the notion that pre-existing risk factors in obese people such as their vascular high-affinity for SARS-CoV-2, pro-inflammatory and pro-coagulant state and endothelial dysfunction may be likely to induce the development of “systemic severe coagulopathic vasculitis (SSCV)” in obese people. I believe that SSCV may largely contribute to the development of severe COVID-19. Here, I will describe the points of action of drugs for treating COVID-19 by using the SSCV model. J Endocrinol Metab. 2020;10(3-4):57-59 doi: https://doi.org/10.14740/jem659
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».