MétaCan
Menu
Retour à la cohorte
Enregistrement W4386345692 · doi:10.1093/ofid/ofad451

Proteomic Profiling of Urine From Hospitalized Patients With Severe Pneumonia due to SARS-CoV-2 vs Other Causes: A Preliminary Report

2023· article· en· W4386345692 sur OpenAlexfundno aff
Lindsay Wilson, Ju-Wei Chang, Stuart Meier, Tariq Ganief, Naadir Ganief, Suzette Oelofse, Vicky L. Baillie, Marta C. Nunes, Shabir A. Madhi, Jonathan M. Blackburn, Keertan Dheda

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueCOVID-19 Clinical Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesFonds de recherche du QuébecInternational Development Research CentreUK Research and InnovationNational Research FoundationNewton FundStyrelsen för Internationellt Utvecklingssamarbete
Mots-clésPneumoniaMedicineCoronavirus disease 2019 (COVID-19)ProteomeUrineCoronavirusBiomarkerSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Biomarker discovery2019-20 coronavirus outbreakViral pneumoniaImmunologyProteomicsInternal medicineDiseaseInfectious disease (medical specialty)VirologyBioinformaticsOutbreakGeneBiology

Résumé

récupéré en direct d'OpenAlex

The pathogenesis of coronavirus disease 2019 (COVID-19) pneumonia remains poorly understood. The urine proteome of hospitalized patients with severe COVID-19 pneumonia, compared with severe non-COVID-19 pneumonia controls, was distinct and associated with lower abundance of several host proteins. Protein-specific machine learning analysis outlined biomarker combinations able to differentiate COVID-19 pneumonia from non-COVID-19 pneumonia controls.

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)0,009
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,024
Tête enseignante GPT0,365
Écart entre enseignants0,341 · 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.

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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetCOVID-19 Clinical Research StudiesTravaux en français237 207