The COVID-19 vaccine evidence gap: Decisions without data for pregnant and breastfeeding women
Notice bibliographique
Résumé
On March 11th, 2020, the Word Health Organization officially declared the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) outbreak a pandemic, setting in motion an unprecedented modern-day global public health response [1, 2]. Since that time, COVID-19’s impact has been wide-reaching and complex; influenced by a diverse set of biologic, clinical, psychologic, and sociodemographic factors [3, 4]. Indeed, not all members of society are at equal risk of SARS-CoV-2 infection or experiencing severe infection-related outcomes [3, 4]. For example, older adults and individuals with comorbid conditions (e.g., cardiovascular disease) are at increased risk for severe disease [5]. Further, males are at higher risk of serious COVID-19 outcomes compared to females, underscoring the importance of including sex as a fundamental variable in the design and conduct of COVID-19 research [6]. Certainly, without sex-disaggregated data, it is impossible to know if, or to what extent, sex-specific approaches to the care and prevention of SARS-CoV-2 infection should be employed [7].
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,197 | 0,570 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,015 | 0,018 |
| Science ouverte | 0,007 | 0,009 |
| Intégrité de la recherche | 0,019 | 0,017 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,005 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».