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 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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 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'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