MétaCan
Menu
Retour à la cohorte
Enregistrement W3160701503 · doi:10.1016/j.biologicals.2021.04.005

IABS/CEPI platform technology webinar: Is it possible to reduce the vaccine development time?

2021· article· en· W3160701503 sur OpenAlexaff
Joris Vandeputte, Mélanie Saville, Marco Cavaleri, Martin Friede, Adam Hacker, Stefan O. Mueller, Ruben Rizzi, Dean Smith, Steffen Thirstrup, Ralf Wagner, Marc Baay, Pieter Neels

Notice bibliographique

RevueBiologicals · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensHealth Canada
Organismes subventionnairesCoalition for Epidemic Preparedness InnovationsWorld Health OrganizationBill and Melinda Gates Foundation
Mots-clésPreparednessStandardizationCoronavirus disease 2019 (COVID-19)AlliancePandemicJoint ventureEmerging technologiesSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)BusinessTechnology developmentProcess (computing)Computer scienceRisk analysis (engineering)Process managementInfectious disease (medical specialty)EngineeringMedicineDiseasePolitical scienceManagementManufacturing engineeringEconomics

Résumé

récupéré en direct d'OpenAlex

The International Alliance for Biological Standardization and the Coalition for Epidemic Preparedness Innovations organized a joint webinar on the use of platform technologies for vaccine development. To tackle new emerging infectious diseases, including SARS-CoV-2, rapid response platforms, using the same basic components as a backbone, yet adaptable for use against different pathogens by inserting new genetic or protein sequences, are essential. Furthermore, it is evident that development of platform technologies needs to continue, due to the emerging variants of SARS-CoV-2. The objective of the meeting was to discuss techniques for platform manufacturing that have been used for COVID-19 vaccine development, with input from regulatory authorities on their experiences with, and expectations of, the platforms. Industry and regulators have been very successful in cooperating, having completed the whole process from development to licensing at an unprecedented speed. However, we should learn from the experiences, to be able to be even faster when a next pandemic of disease X occurs.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,174

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0060,007
Science ouverte0,0020,002
Intégrité de la recherche0,0040,003
Charge utile insuffisante (le modèle a refusé de juger)0,0520,030

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 Opus0,082
Tête enseignante GPT0,378
Écart entre enseignants0,296 · 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 source (Gemma direct ou Codex distillé), 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiologicalsMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207