Notice bibliographique
Résumé
Patents are not published as quickly as scientific articles because at least 18 months of examination of the invention must elapse between its application and the public record of its grant in the form of a patent document. For this reason, the largest number of patents published so far cover the previous coronaviruses that affect humans, such as Severe Acute Respiratory Syndrome and Middle East Respiratory Syndrome, of which there are patents for diagnostic techniques, treatments and even vaccines. There are fewer patents related to the current pandemic caused by COVID-19 due to the short time that has elapsed and the high virology of the disease. The objective of this research was to analyze the behavior of the requested and granted inventions on COVID-19 that have been registered in the United States International Patent Office. The study by its nature used a mixed approach to research where qualitative and quantitative cutting methods were articulated in a systemic way that allowed the complementation of the different metric analyzes. The results showed that the greatest technological power is clustered in the headlines of the United States, followed by Iran, Israel, Bulgaria, Canada and the United Kingdom, and that the number of investigations on COVID-19 are focused on techniques for its identification and diagnosis, in: computer systems; peptides; radio-therapy; data recognition; computational models; mutation and genetic engineering; colorimetry; digital electrical data processing; among other topics that make up the innovative technological vanguard that exist today in the world on COVID -19. Key words: COVID -19; COVID -19 patent applications; COVID-19 patents; metric study.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».