Towards a transactional medicine approach to combating global emerging pathogens: the case of COVID-19
Notice bibliographique
Résumé
When the COVID-19 pandemic struck and China reported the first case to the World Health Organization in December 2019, there was no evidence-based treatment to combat it. With the catastrophic situation that followed, materialised by a considerable number of deaths, researchers, doctors, traditional healers, and governments of all nations committed themselves to find therapeutic solutions, including preventive and curative. There are effective treatments offered both by modern medicine and traditional medicine for COVID-19 today. However, other therapeutic proposals have not been approved due to the lack of effectiveness and scientific rigour during their development process. Proponents of modern medicine prefer biomedical therapies while in some countries, traditional treatments are used regularly because of their availability, affordability and satisfaction they bring to the population. In this paper, we propose a transactional medicine approach where the interaction between traditional and modern medicine produces a change. With this approach, the promoters of traditional medicine and those of modern medicine will be able to acquire knowledge through the experience produced by their encounters. Transactional medicine aims to be a model for decolonising medicine and recognising the value of both traditional and modern medicine in the fight against COVID-19 and other global emerging pathogens.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,033 |
| Communication savante | 0,009 | 0,012 |
| Science ouverte | 0,002 | 0,008 |
| Intégrité de la recherche | 0,009 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».