MétaCan
Menu
Retour à la cohorte
Enregistrement W4319602230 · doi:10.31586/wjmm.2023.609

Relations between Dentistry and COVID-19 Infections

2023· article· en· W4319602230 sur OpenAlexaff
Mahmoud Abdel Hameed Shahin, Abdulridha Taha Sarhan, Abid Rashid, Muhammad Akram, Umme Laila, Muhammad Talha Khalil, Rida Zainab, Gaweł Sołowski

Notice bibliographique

RevueTrends journal of sciences research · 2023
Typearticle
Langueen
DomaineDentistry
ThématiqueDental Research and COVID-19
Établissements canadiensPrevention of Organ Failure
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)MedicineTransmission (telecommunications)Dental careInfection controlDental EquipmentDentistryHealth care2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Cross infectionIntensive care medicineMedical emergencyDiseaseInfectious disease (medical specialty)VirologyPathologyOutbreakComputer science

Résumé

récupéré en direct d'OpenAlex

As a result of the virus's global dissemination, novel COVID-19 infections have emerged as a significant obstacle for all healthcare professionals to overcome. Dental specialist plays an effective role in the prevention of coronavirus. Dental care units and settings face various problems relating to the transmission of disease during treatment and dental operations. Blood, saliva, and mixed water droplets possessing the virus cause contamination of equipment used for dental treatment. Both patients and workers may become transmitters and infectors of COVID-19 through direct contact during dental operations. Both dental workers and patients are likely to become infectors and transmitters of COVID-19. The dental care routine is very effective as we discussed below the prevention steps are very effective. All healthcare workers at the dentistry clinics, including nurses, should collaborate to prevent the spread of the COVID-19 virus among patients.

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)0,008
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,158
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0080,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,006
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,316
Tête enseignante GPT0,549
Écart entre enseignants0,233 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTrends journal of sciences researchMême sujetDental Research and COVID-19Travaux en français237 207