MétaCan
Menu
Retour à la cohorte
Enregistrement W3087254545 · doi:10.1177/0300060520958594

Possible effect of epinephrine in minimizing COVID-19 severity: a review

2020· review· en· W3087254545 sur OpenAlexaff
Mahnaz Derakhshan, Hamid Reza Ansarian, Mory Ghomshei

Notice bibliographique

RevueJournal of International Medical Research · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensBritish Columbia Institute of TechnologyUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésMedicineAsymptomaticCoronavirus disease 2019 (COVID-19)EpinephrineEpidemiologyIntensive care medicinePandemicSeverity of illnessIllness severityCase fatality rateDiseaseIntervention (counseling)Emergency medicinePediatricsInternal medicinePsychiatryInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: Coronavirus disease 2019 (COVID-19) shows a wide range of severity, ranging from an asymptomatic presentation to a severe illness requiring intensive care unit admission. Identification of a strategy to manage the severity of this disease will not only help to reduce its case fatality but also help to remove some of the burden from the already overwhelmed health care systems. While successful management of symptoms in general is important, identifying measures to modify the severity of the illness is a key factor in the fight against this pandemic. METHODS: This paper presents a short literature review to suggest a new treatment modality for COVID-19. RESULTS: COVID-19 is less severe and rarely fatal in children than in adults, which could be caused by greater fluctuations of plasma epinephrine in children. Our literature survey endorses this hypothesis according to both the epidemiological and immunological findings. CONCLUSION: Application of epinephrine pulses with a specific amplitude may be considered an intervention to minimize the severity of 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 distillée sur la base complète

Imitation des enseignants

Ni 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)0,030
score de la tête « metaresearch » (Gemma)0,751
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Méta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMétarecherche
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,767
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0300,751
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,006
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,232
Tête enseignante GPT0,627
Écart entre enseignants0,395 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of International Medical ResearchMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207