Coinfection with <i>Strongyloides</i> and SARS-CoV-2: protocol for a systematic review
Notice bibliographique
Résumé
Abstract Rationale for the review COVID-19 treatment can worsen parasitic disease in patients with coinfection. Consequently, there is a need to investigate the infection with SARS-CoV-2 and Strongyloides . We aim to systematically review clinical and laboratory features of COVID-19 and Strongyloides coinfection, to investigate possible interventions and outcomes in this pathology. Also, we aim to identify difficulties in managing the parasitic disease manifestations in this context and to emphasize research gaps requiring further attention. Methods We will search two electronic databases – LitCOVID, and WHO COVID-19 and will include studies on SARS-CoV-2 and Strongyloides coinfection. We will adapt the WHO-UMC system for standardized case causality assessment to evaluate if using corticosteroids or other immunosuppressive drugs in COVID-19 patients determined acute strongyloidiasis manifestations. Expected results We will present the evidence in three distinct packages: study description, methodological quality assessment and data extracted. We will summarize the evidence and will draw conclusions as to the quality of the evidence.
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 | 0,044 | 0,075 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,005 |
| Méta-épidémiologie (sens large) | 0,020 | 0,019 |
| Bibliométrie | 0,014 | 0,010 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,006 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,064 | 0,008 |
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 ».