MétaCan
Menu
Retour à la cohorte
Enregistrement W3113043749 · doi:10.5772/intechopen.95100

Assembling an Anti-COVID-19 Artillery in the Battle against the New Coronavirus

2021· book-chapter· en· W3113043749 sur OpenAlexaff
Chanda Siddoo-Atwal

Notice bibliographique

RevueIntechOpen eBooks · 2021
Typebook-chapter
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPandemicMalaiseMedicineCoronavirusDysbiosisDiseaseVirusIntensive care medicineImmunologyVirologyPhysiologyBiologyCoronavirus disease 2019 (COVID-19)Internal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The panic and confusion surrounding the pandemic caused by the novel coronavirus requires a systematic study of the disease (COVID-19) and the arsenal of weapons available to the biochemist in the fight against infection. When developing a particularly bad flu in January 2020 while in India after the visit of a friend, who had just travelled back from Wuhan (China), it gave me an early opportunity to study the tricky diagnosis of this dreaded disease first-hand. The somewhat unusual symptoms and a lingering weakness and malaise for months suggested that it was no ordinary influenza virus. Since that time, a baffling number of disparate symptoms have been ascribed to COVID-19 infection including respiratory, gastrointestinal, circulatory, urinary tract and nerve dysfunction that have even resulted in multi-organ failure in some cases. Naturally, an array of risk factors have also been identified ranging from age, sex, obesity, diabetes, and hypertension to cigarette smoking that can increase mortality rate dramatically. In the intervening period, much research has appeared on biochemical compounds that may help to prevent this infection and, possibly, aid in patient recovery. Among these bioactive molecules are certain anti-inflammatory substances such as vitamin D, zinc, chloroquine, soy isoflavones like genistein, and glycyrrhizic acid, some of which may be successful in attacking different biochemical processes of the new coronavirus and disarming its deadly artillery against the human host. In a few instances, the viral processes that are inhibited by these chemicals are essential for the replication and reproduction of this RNA virus thereby striking a lethal blow to its machinery. Thus, taken together, these compounds may form a worthy arsenal against a formidable foe in the absence of an effective vaccine, and, especially, if relapse or re-infection proves to be a common occurrence in recovered COVID-19 patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0020,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0100,004

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 Opus0,193
Tête enseignante GPT0,460
Écart entre enseignants0,267 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIntechOpen eBooksMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207