MétaCan
Menu
Retour à la cohorte
Enregistrement W3181350548 · doi:10.3390/nano11071788

Recent Progress in Nanotechnology for COVID-19 Prevention, Diagnostics and Treatment

2021· review· en· W3181350548 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueNanomaterials · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 detection and testing
Établissements canadiensUniversity of British ColumbiaUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)PandemicNanotechnologySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Risk analysis (engineering)MedicineMaterials scienceInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic is currently an unprecedented public health threat. The rapid spread of infections has led to calls for alternative approaches to combat the virus. Nanotechnology is taking root against SARS-CoV-2 through prevention, diagnostics and treatment of infections. In light of the escalating demand for managing the pandemic, a comprehensive review that highlights the role of nanomaterials in the response to the pandemic is highly desirable. This review article comprehensively discusses the use of nanotechnology for COVID-19 based on three main categories: prevention, diagnostics and treatment. We first highlight the use of various nanomaterials including metal nanoparticles, carbon-based nanoparticles and magnetic nanoparticles for COVID-19. We critically review the benefits of nanomaterials along with their applications in personal protective equipment, vaccine development, diagnostic device fabrication and therapeutic approaches. The remaining key challenges and future directions of nanomaterials for COVID-19 are briefly discussed. This review is very informative and helpful in providing guidance for developing nanomaterial-based products to fight against COVID-19.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,991
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,161
Tête enseignante GPT0,442
Écart entre enseignants0,281 · 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