Outcomes of COVID-19 in the Eastern Mediterranean Region in the first 4 months of the pandemic
Notice bibliographique
Résumé
OBJECTIVES: To summarize the outcomes of the coronavirus disease 2019 infections in the Eastern Mediterranean Region (EMR) in the first 4 months of the pandemic. METHODS: A meta-analysis approach was used in this context. We used the aggregate data from the World Health Organization Regional Office for the EMRO (until 26 May 2020) to generate this report. RESULTS: An analysis of official data from all 22 countries and territories in the Middle East, North Africa, the Horn of Africa, and Central Asia K=22 (a total of 438,717 cases) was performed. The total number of cases, recovered cases were 438,717,228,986, and deaths was 11,290 in the EMR. Meta-analytic pooling of the point estimates of recovery rate per country in the EMR was 52.5% (95% CI 52.3% - 52.6%). The lowest recovery rates were in Somalia (4.3%), and the highest rates were in Tunisia (87.4%). Meta-analytic pooling of the point estimates of death rate per country in the EMR yielded 3.85% [95% CI 3.80% - 3.9%]. Meta-analytic pooling of the point estimates of recovery rate per country in the Gulf Cooperation Council countries was 46.1% (95% CI 45.8% - 46.3%). Meta-analytic pooling of the point estimates of death rate per country in the Gulf Cooperation Council countries was 0.6% (95% CI 0.50% - 0.65%). CONCLUSION: Wide variability was found between EMR countries in recovery and mortality, implying the possible impact of resource availability, and genetic and environmental factors on the morality and recovery of the COVID-19.
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 | 0,016 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,006 | 0,034 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».