Gastrointestinal and hepatic side effects of potential treatment for COVID-19 and vaccination in patients with chronic liver diseases
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.
Notice bibliographique
Résumé
The outbreak of coronavirus disease 2019 (COVID-19) is a global pandemic. Many clinical trials have been performed to investigate potential treatments or vaccines for this disease to reduce the high morbidity and mortality. The drugs of higher interest include umifenovir, bromhexine, remdesivir, lopinavir/ritonavir, steroid, tocilizumab, interferon alpha or beta, ribavirin, fivapiravir, nitazoxanide, ivermectin, molnupiravir, hydroxychloroquine/chloroquine alone or in combination with azithromycin, and baricitinib. Gastrointestinal (GI) symptoms and liver dysfunction are frequently seen in patients with COVID-19, which can make it difficult to differentiate disease manifestations from treatment adverse effects. GI symptoms of COVID-19 include anorexia, dyspepsia, nausea, vomiting, diarrhea and abdominal pain. Liver injury can be a result of systemic inflammation or cytokine storm, or due to the adverse drug effects in patients who have been receiving different treatments. Regular monitoring of liver function should be performed. COVID-19 vaccines have been rapidly developed with different technologies including mRNA, viral vectors, inactivated viruses, recombinant DNA, protein subunits and live attenuated viruses. Patients with chronic liver disease or inflammatory bowel disease and liver transplant recipients are encouraged to receive vaccination as the benefits outweigh the risks. Vaccination against COVID-19 is also recommended to family members and healthcare professionals caring for these patients to reduce exposure to the severe acute respiratory syndrome coronavirus 2 virus.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle