MétaCan
Menu
Retour à la cohorte
Enregistrement W4318204449 · doi:10.3390/vaccines11020268

Ebola Virus Disease Vaccines: Development, Current Perspectives & Challenges

2023· review· en· W4318204449 sur OpenAlexaff
Sumira Malik, Shristi Kishore, Sagnik Nag, Archna Dhasmana, Subham Preetam, Oishi Mitra, Darwin A. León‐Figueroa, Aroop Mohanty, Vijay Kumar Chattu, Marjan Assefi, Bijaya Kumar Padhi, Ranjit Sah

Notice bibliographique

RevueVaccines · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueViral Infections and Outbreaks Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésEbola virusEbola vaccineVirologyOutbreakMedicineVaccinationDNA vaccinationDiseaseInfectious disease (medical specialty)ImmunologyImmune systemImmunization

Résumé

récupéré en direct d'OpenAlex

The global outgoing outbreaks of Ebola virus disease (EVD) in different regions of Sudan, Uganda, and Western Africa have brought into focus the inadequacies and restrictions of pre-designed vaccines for use in the battle against EVD, which has affirmed the urgent need for the development of a systematic protocol to produce Ebola vaccines prior to an outbreak. There are several vaccines available being developed by preclinical trials and human-based clinical trials. The group of vaccines includes virus-like particle-based vaccines, DNA-based vaccines, whole virus recombinant vaccines, incompetent replication originated vaccines, and competent replication vaccines. The limitations and challenges faced in the development of Ebola vaccines are the selection of immunogenic, rapid-responsive, cross-protective immunity-based vaccinations with assurances of prolonged protection. Another issue for the manufacturing and distribution of vaccines involves post authorization, licensing, and surveillance to ensure a vaccine's efficacy towards combating the Ebola outbreak. The current review focuses on the development process, the current perspective on the development of an Ebola vaccine, and future challenges for combatting future emerging Ebola infectious disease.

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 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)0,001
score de la tête « metaresearch » (Gemma)0,002
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: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,275
Tête enseignante GPT0,464
Écart entre enseignants0,189 · 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
GenreSynthèse

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

En bref

Citations61
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccinesMême sujetViral Infections and Outbreaks ResearchTravaux en français237 207