MétaCan
Menu
Retour à la cohorte
Enregistrement W3166437541 · doi:10.1007/s10875-021-01068-6

Harnessing Type I IFN Immunity Against SARS-CoV-2 with Early Administration of IFN-β

2021· editorial· en· W3166437541 sur OpenAlexafffund
Donald C. Vinh, Laurent Abel, Paul Bastard, Matthew P. Cheng, Antônio Condino‐Neto, Peter K. Gregersen, Filomeen Haerynck, Maria-Pia Cicalese, David Hagin, Pere Soler‐Palacín, Anna M. Planas, Aurora Pujol, Luigi D. Notarangelo, Qian Zhang, Helen C. Su, Jean‐Laurent Casanova, Isabelle Meyts, Alessandro Aiuti, Lisa M. Arkin, Alexandre Bolze, Samya Charkravorty, John Christodoulou, Roger Colobrán, Beth A. Drolet, Jacques Fellay, Pr Antoine Froidure, Jean W. Pape, Rabih Halwani, Trine H. Mogensen, Giuseppe Novelli, Igor Resnick, Anna Šedivá, Ivan Tancevski, Stuart E. Turvey

Notice bibliographique

RevueJournal of Clinical Immunology · 2021
Typeeditorial
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Human Genome Research InstituteInstitut National de la Santé et de la Recherche MédicaleFonds de Recherche du Québec - SantéVlaamse regeringKU LeuvenFondation pour la Recherche MédicaleNational Institute of Allergy and Infectious DiseasesJeffrey Modell FoundationFisher Center for Alzheimer's Research FoundationAgence Nationale de la RechercheMercatus Center, George Mason UniversityRockefeller UniversityInstitut des maladies génétiques ImagineCSL BehringOnderzoeksraad, KU LeuvenGeorge Mason UniversitySt. Giles FoundationYale UniversitySCOR Corporate Foundation for ScienceNational Institutes of HealthVlaamse Instelling voor Technologisch OnderzoekFonds Wetenschappelijk OnderzoekHoward Hughes Medical InstituteGeorgia Clinical and Translational Science AllianceUniversité de Paris
Mots-clésLibrary scienceExcellenceTranslational scienceCenter of excellencePolitical scienceMedicineGerontology

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,006
score de la tête « metaresearch » (Gemma)0,010
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: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,010
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0020,002
Communication savante0,0050,003
Science ouverte0,0020,001
Intégrité de la recherche0,0110,020
Charge utile insuffisante (le modèle a refusé de juger)0,0060,005

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 Opus0,097
Tête enseignante GPT0,458
Écart entre enseignants0,361 · 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
GenreÉditorial

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

En bref

Citations44
Publié2021
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueJournal of Clinical ImmunologyMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207