MétaCan
Menu
Retour à la cohorte
Enregistrement W3128069892 · doi:10.1126/scitranslmed.abd1525

Development and deployment of COVID-19 vaccines for those most vulnerable

2021· review· en· W3128069892 sur OpenAlexaff
Wayne C. Koff, Theodore Schenkelberg, Tere Williams, Ralph S. Baric, Adrian B. McDermott, Cheryl Cameron, Mark J. Cameron, Matthew B. Frieman, Gabriele Neumann, Yoshihiro Kawaoka, Alyson A. Kelvin, Ted M. Ross, Stacey Schultz‐Cherry, Timothy D. Mastro, Frances Priddy, Julie Ostrowsky, Michael T. Osterholm, Jaap Goudsmit

Notice bibliographique

RevueScience Translational Medicine · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensDalhousie University
Organismes subventionnairesWellcome Trust
Mots-clésCoronavirus disease 2019 (COVID-19)Pandemic2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologySoftware deploymentMedicineIntensive care medicineOutbreakComputer scienceInfectious disease (medical specialty)PathologyDisease

Résumé

récupéré en direct d'OpenAlex

Development of safe and effective COVID-19 vaccines is a global priority and the best hope for ending the COVID-19 pandemic. Remarkably, in less than 1 year, vaccines have been developed and shown to be efficacious and are already being deployed worldwide. Yet, many challenges remain. Immune senescence and comorbidities in aging populations and immune dysregulation in populations living in low-resource settings may impede vaccine effectiveness. Distribution of vaccines among these populations where vaccine access is historically low remains challenging. In this Review, we address these challenges and provide strategies for ensuring that vaccines are developed and deployed for those most vulnerable.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
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 enseignants0,988
Score d'incertitude au seuil0,994

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
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 Opus0,194
Tête enseignante GPT0,472
Écart entre enseignants0,278 · 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'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

Citations88
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience Translational MedicineMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207