MétaCan
Menu
Retour à la cohorte
Enregistrement W3088646735 · doi:10.1016/s2589-7500(20)30215-6

Evaluating interest in off-label use of disinfectants for COVID-19

2020· article· en· W3088646735 sur OpenAlexaff
Jessica Malaty Rivera, Shagun Gupta, Divya Ramjee, Ghinwa Y. El Hayek, Nisrine El Amiri, Angel N. Desai, Maimuna S. Majumder

Notice bibliographique

RevueThe Lancet Digital Health · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensSickKids FoundationHospital for Sick Children
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Child Health and Human DevelopmentNational Institutes of Health
Mots-clésCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakVirologyMedicineOutbreakInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

In February, 2020, during the initial phase of the COVID-19 pandemic, the US Centers for Disease Control and Prevention (CDC) made recommendations to clean and disinfect frequently-handled objects, which triggered nationwide panic buying of disinfectant products such as Clorox and Lysol. Numerous regu latory agencies and public health organisations (eg, CDC, US Food and Drug Administration, US Consumer Product Safety Commission, and the American Association of Poison Control Centers [AAPCC]) have repeatedly advised against ingestion and other off-label use of disinfectants and cleaning products. However, during a White House press briefing on April 23, 2020, President Trump implied that the White House Coronavirus Task Force should investigate injections of disinfectant as a potential treatment for COVID-19. 1

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)0,001
score de la tête « metaresearch » (Gemma)0,005
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 enseignants0,345
Score d'incertitude au seuil0,622

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,504
Tête enseignante GPT0,488
Écart entre enseignants0,016 · 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 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

Citations19
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Lancet Digital HealthMême sujetData-Driven Disease SurveillanceTravaux en français237 207