Mental health in the age of COVID-19, a Mexican experience
Notice bibliographique
Résumé
As of June 2020 the number of Coronavirus cases in Canada, Mexico, Central America and the Caribbean are just under 2.5 million infections and over 140,000 deaths. The health systems in half of the countries in the Americas and the rest of the world have faced the pandemic positioned from different perspectives. While Canada and the United States already had extensive experience in the practice of telemedicine, other countries such as Mexico and the Caribbean, doctors from both private and public sectors have been forced to start practicing medicine remotely. As a result there have been limitations such as poor access to technology, lack of privacy legislation, and difficulties with fee collection among many others. These situations must be taken in account to understand what is happening in the region. On the other hand, the need to continue providing medical attention is indisputable. We understand that COVID 19 besides other systems damages the CNS, patients present severe neuropsychiatric symptoms that range from headache, anosmia, ageusia, confusional state alteration of consciousness, toxic metabolic encephalopathies, encephalitis, seizures, cerebral vascular events, Guillan Barre-type demyelinating neuropathies, to the extent of conditions such as anxiety, acute stress disorder, post-traumatic stress disorder, depression, and eventually psychotic episodes. As time passes we try to differentiate the origin of the symptoms. We will learn which of these symptoms are a result of metabolic complications, which others are due to drug's secondary effects and which ones are adaptive response. Therefor our contribution to the editorial supplements is given in two lines of analysis: disease physiopathology and ways to deliver treatment to the population.
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 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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.
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.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».