MétaCan
Menu
Retour à la cohorte
Enregistrement W4385666276 · doi:10.1002/iid3.946

Vaccination is the most effective and best way to avoid the disease of COVID‐19

2023· review· en· W4385666276 sur OpenAlexaboutno aff
Hadi Lotfi, Mina Ghorbani Mazar, Negar Mashuri, M.S. Fahim, Nafiseh Shourideh Yazdi

Notice bibliographique

RevueImmunity Inflammation and Disease · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVirologyVaccinationDNA vaccinationImmune systemVirusViral vectorVector (molecular biology)BiologyAntigenCoronavirus disease 2019 (COVID-19)MedicineRecombinant DNADiseaseImmunologyImmunizationInfectious disease (medical specialty)GeneGenetics

Résumé

récupéré en direct d'OpenAlex

Most of the vaccines that are effective against SARS-CoV-2 have used the following functional strategies: inactivated viruses, live attenuated viruses, viral vector-based vaccines, subunit vaccines, recombinant proteins, and DNA/RNA vaccines. Among the vaccines that stimulate the host's immune system with the help of DNA are: undergoing Phase 2/3 trials including INO-4800 (International Vaccine Institute; Inovio Pharmaceuticals), Symvivo, Canada-COVID19 (AnGes, Inc.); GX-19 (Genexine, Inc.). BNT162b2 and mRNA-1273 vaccines were made by BioNTech/Pfizer/Fosun Pharma group and Moderna/NIAID group, respectively, which are considered as types of RNA vaccines. Vaccines that are based on the viral vector are AstraZeneca, Sputonium, and Johnson-Jensen. Among the inactive viral vaccines, the following can be mentioned: CoronaVac (Sinovac) WIBP vaccine (Wuhan Institute of Biological Products, Sinopharm), BBIBPCorV (Beijing Institute of Biological Products, Sinopharm), BBV152/Covaxin (Bharat Biotech, ICMR, National Institute of Virology) And among the protein-based/subunit vaccines, the following can be counted: NVX-CoV2373: (Novavax); SCB-2019 vaccine (Clover Biopharmaceuticals AUS Pty Ltd.); Covax-19 (GeneCure Biotechnologies; Vaxine Pty Ltd.) mRNA vaccines, viral vector vaccines, and protein subunit vaccines cannot cause disease because these vaccines stimulate the immune system to produce antibodies against virus proteins instead of the virus itself (or its antigen). MRNA vaccines increase SARS-CoV-2 proteins and ultimately stimulate the production of T and B lymphocytes. The epidemic of HCoVs and their destructive and harmful effects on life has caused the scientific community to seek the production of an effective and efficient vaccine before its catastrophic release. We all need to know that none of us will be healed until the other is healed. The purpose of this review article is to present a selection of existing knowledge in the field of fighting and preventing the coronavirus.

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)0,000
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 enseignants0,013
Score d'incertitude au seuil0,044

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0130,006

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 Opus0,064
Tête enseignante GPT0,406
Écart entre enseignants0,342 · 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

Citations27
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueImmunity Inflammation and DiseaseMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207