← Retour à la cohorte
Use of biologicals in allergic and type-2 inflammatory diseases during the current COVID-19 pandemic
Ludger Klimek, Oliver Pfaar, Margitta Worm, Thomas Eiwegger, Jan Hagemann, Markus Ollert, Eva Untersmayr, Karin Hoffmann‐Sommergruber, Alessandra Vultaggio, Ioana Agache, Sevim Bavbek, Apostolos Bossios, Ingrid Casper, Susan Chan, Alexia Chatzipetrou, Christian Vogelberg, Davide Firinu, Paula Kauppi, Antonios G.A. Kolios, Akash Kothari, Andrea Matucci, Óscar Palomares, Zsolt Szépfalusi, Wolfgang Pohl, Wolfram Hötzenecker, Alexander R. Rosenkranz, Karl‐Christian Bergmann, Thomas Bieber, Roland Buhl, Jeroen Buters, Ulf Darsow, Thomas Keil, Jörg Kleine‐Tebbe, Susanne Lau, Marcus Maurer, Hans F. Merk, Ralph Mösges, Joachim Saloga, Petra Staubach, Uta Jappe, Klaus F. Rabe, Uta Rabe, Claus Vogelmeier, Tilo Biedermann, Kirsten Jung, Wolfgang Schlenter, Johannes Ring, Adam Chaker, Wofgang Wehrmann, Sven Becker, Laura Freudelsperger, Norbert Mülleneisen, Katja Nemat, Wolfgang Czech, Holger Wrede, Randolf Brehler, Thomas Fuchs, Peter Valentin Tomazic, Werner Aberer, Antje-Henriette Fink-Wagner, F. Horák, Stefan Wöhrl, Verena Niederberger‐Leppin, Isabella Pali‐Schöll, R. Roller-Wirnsberger, Otto Spranger, Rudolf Valenta, Mübecell Akdis, Paolo Maria Matricardi, François Spertini, Nicolai Khaltaev, Jean-Pierre Michel, Larent Nicod, Peter Schmid‐Grendelmeier, Marco Idzko, Eckard Hamelmann, Thilo Jakob, Thomas Werfel, Martin Wagenmann, Christian Taube, Erika Jensen‐Jarolim, Stephanie Korn, François Hentges, Jürgen Schwarze, Liam O’Mahony, Edward F. Knol, Stefano Del Giacco, Tomás Chivato Pérez, Jean Bousquet, Anna Bedbrook, Torsten Zuberbier, Cezmi Akdis, Mared Jutel
Notice bibliographique
RevueAllergologie select · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNovartis PharmaGenentechLilly DeutschlandEuropean Academy of Allergy and Clinical ImmunologyKarl-Franzens-Universität GrazAllergopharmaRheinische Friedrich-Wilhelms-Universität BonnSyddansk UniversitetHospital for Sick ChildrenKarolinska InstitutetMedizinische Universität WienNational and Kapodistrian University of AthensUniversity of TorontoKing's Health PartnersKing's College LondonAstraZenecaAllergy TherapeuticsRegeneron PharmaceuticalsMylanTeva Pharmaceutical IndustriesLes Laboratories Pierre FabreAnkara UniversitesiJulius-Maximilians-Universität WürzburgUniversität zu LübeckUniversidad Complutense de MadridSanofiUniversità degli Studi di CagliariPhilipps-Universität MarburgHelmholtz Zentrum MünchenUniversität WienUniversitätsmedizin der Johannes Gutenberg-Universität MainzCelgeneEli Lilly and CompanyMedizinische Universität GrazUniversität zu KölnGlaxoSmithKlineAmgen
Mots-clésPandemicMedicineCoronavirus disease 2019 (COVID-19)Immune systemSocial distanceIntensive care medicineAtopyImmunologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakDistancingAllergyVirologyDiseaseOutbreakInternal medicine
Résumé
OpenAlex consigne un résumé pour ce travail, mais il n'a pas pu être récupéré à l'instant.
Comment cette classification a été obtenuedéplier
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.
score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,008
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,972
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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.
Tête enseignante Opus0,079
Tête enseignante GPT0,340
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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 tête enseignante, pas un consensus.
Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».
En bref
Citations37
Publié2020
Routes d'admission2
Résumé présentoui