An Ontological Approach for Early Detection of Suspected COVID-19 among COPD Patients
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent studies on chronic obstructive pulmonary disease (COPD) patients in the context of the coronavirus 19 (COVID-19) pandemic have reported two important problems, i.e., high mortality and vulnerability among COPD patients vs. non-COPD patients. The high number of deaths are caused by exacerbations, COVID-19, and other comorbidities. Therefore, the purpose of this article is to reduce the risk factors of COPD in the COVID-19 context. In this article, we propose approaches based on adaptation mechanisms for detecting COVID-19 symptoms, to better provide appropriate care to COPD patients. To achieve this goal, an ontological model called SuspectedCOPDcoviDOlogy has been created, which consists of five ontologies for detecting suspect cases. These ontologies use vital sign parameters, symptom parameters, service management, and alerts. SuspectedCOPDcoviDOlogy enhances the COPDology proposed by a previous research project in the COPD domain. To validate the solution, an experimental study comparing the results of an existing test for the detection of COVID-19 with the results of the proposed detection system is conducted. Finally, with these results, we conclude that a rigorous combination of detection rules based on the vital sign and symptom parameters can greatly improve the dynamic detection rate of COPD patients suspected of having COVID-19, and therefore enable rapid medical assistance.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle