Managing drug shortages during a pandemic: tocilizumab and COVID-19
Notice bibliographique
Résumé
he COVID-19 pandemic has revealed weaknesses in global manufacturing and distribution of medications, exacerbating many pre-existing limitations and inequities in drug supply and creating new shortages. 1-3 Supply chains have been disrupted 4 as many were designed for "just-in-time" management of drug inventory to reduce the costs of storage and reduce the risk of drug expiration. The problem of mismatched supply and demand can be exacerbated by people and institutions hoarding drugs in times of supply uncertainty. he emergence of SARS-CoV-2 prompted testing of many newly developed or existing repurposed therapies as treatments for COVID-19. Expecting drug manufacturers to increase the supply of all candidate therapies or health care providers to stockpile inventory before drugs are proven effective would be unreasonable. Thus, when a new drug is shown to be effective, there will likely be at least a temporary shortage of supply unless it is already widely available. Medications are at greatest risk for prolonged shortage when their demand surges unexpectedly and manufacturing and distribution are not diversified. Tocilizumab is an interleukin-6 receptor antagonist that has recently been found to reduce mortality in patients hospitalized for As the number of patients admitted to hospital with COVID-19 in Canada increases, demand for tocilizumab is on the rise and supply is likely inadequate.
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 | 0,002 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».