Review of COVID-19 diagnosis and future treatment strategies
Notice bibliographique
Résumé
In 2019, COVID-19 had taken place in Wuhan, China, and then cause a global pandemic. In March 2020, the World Health Organization (WHO) declared COVID-19 as pandemic. This disease is caused by a novel coronavirus SARS-CoV-2 belonging to Coronaviridae family. The rapid spreading disease calls for fast and reliable diagnosis tools and effective treatment. Here in this review, we evaluated the most widely used diagnosis tools including reverse transcribed PCR and radiographic imaging. Current treatment approaches have also been discussed. Two major novel therapeutics targeting SARS-CoV-2 with ongoing clinical trials -PF07321332 and Molnupiravirhave been discussed in detail. A rapid spread and alarming data about COVID-19 accumulating and causing death on a daily basis call for fast and reliable diagnostic tools and timely treatment. One of the best diagnostic methods is reverse transcription polymerase chain reaction (RT-PCR). An imaging technique such as CT and X-ray is a supplementary tool for confirming the infection based on the changes in images. As a result of the urgency of pandemic control, various studies have been carried out to develop specific therapeutics targeting SARS-CoV-2. It has been applied with limited success to repurpose several antiviral drugs. Molnupiravir and PF07321332, two recently developed therapeutics, are undergoing clinical trials showing promising antiviral effects.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».