Target Product Profile Analysis of COVID-19 Vaccines in Phase III Clinical Trials and Beyond: An Early 2021 Perspective
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
The coronavirus SARS-CoV-2, which causes Coronavirus disease 2019 (COVID-19), has infected more than 100 million people globally and caused over 2.5 million deaths in just over one year since its discovery in Wuhan, China in December 2019. The pandemic has evoked widespread collateral damage to societies and economies, and has destabilized mental health and well-being. Early in 2020, unprecedented efforts went into the development of vaccines that generate effective antibodies to the SARS-CoV-2 virus. Teams developing twelve candidate vaccines, based on four platforms (messenger RNA, non-replicating viral vector, protein/virus-like particle, and inactivated virus) had initiated or announced the Phase III clinical trial stage by early November 2020, with several having received emergency use authorization in less than a year. Vaccine rollout has proceeded around the globe. Previously, we and others had proposed a target product profile (TPP) for ideal/optimal and acceptable/minimal COVID-19 vaccines. How well do these candidate vaccines stack up to a harmonized TPP? Here, we perform a comparative analysis in several categories of these candidate vaccines based on the latest available trial data and highlight the early successes as well as the hurdles and barriers yet to be overcome for ending the global COVID-19 pandemic.
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 | 0,007 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,008 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| 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 | 0,001 |
| 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 découle