MétaCan
Menu
Retour à la cohorte
Enregistrement W4319299619 · doi:10.54724/lc.2022.e20

Effect of physical activity on COVID-19 and underlying mechanisms

2022· article· en· W4319299619 sur OpenAlexaff
Rosie Kwon, Abdullah Özgür Yeniova, Seong Cho, Min Ji Koo

Notice bibliographique

RevueLife Cycle · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueCOVID-19 and Mental Health
Établissements canadiensUniversity of Toronto
Organismes subventionnairesKorea Health Industry Development InstituteMinistry of Health and Welfare
Mots-clésPandemicCoronavirusCoronavirus disease 2019 (COVID-19)Immune systemAcquired immune systemImmunitySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Public healthDiseaseImmunologyMedicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

The coronavirus disease 2019 (COVID-19) caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has been rapidly transmitted globally since December 2019. As COVID-19 was caused by a novel coronavirus, people only counted on their innate immune system in the early COVID-19 pandemic. However, given that the defense against viral infection depends upon a competent adaptive response, understanding adaptive immunity in SARS-CoV-2 immune responses is critical. This review paper discussed the effect of physical activity on COVID-19 and plausible underlying mechanisms. Therefore, promoting regular physical activity has the potential to mitigate the impact of the pandemic at a personal and societal level. Also, it is important for policymakers to make public health policies concentrating on measures for encouraging physical activities to enhance an individual’s immune system during the pandemic.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,558
Score d'incertitude au seuil0,385

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,081
Tête enseignante GPT0,453
Écart entre enseignants0,372 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreEmpirique

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

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLife CycleMême sujetCOVID-19 and Mental HealthTravaux en français237 207