MétaCan
Menu
Retour à la cohorte
Enregistrement W4388262663 · doi:10.3934/dcdsb.2023180

Effects of antiviral drugs on COVID-19 treatment

2023· article· en· W4388262663 sur OpenAlexafffund
Min Luo, Junbo Jia, Ruiqi Wang, Lin Wang

Notice bibliographique

RevueDiscrete and Continuous Dynamical Systems - B · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesNatural Science Foundation of Zhejiang ProvinceNatural Sciences and Engineering Research Council of CanadaNational Natural Science Foundation of China
Mots-clésCoronavirus disease 2019 (COVID-19)DrugCoronavirusSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Angiotensin-converting enzyme 2ReceptorDrug treatment2019-20 coronavirus outbreakMedicineAntiviral drugVirologyImmunologyDiseaseVirusPharmacologyInfectious disease (medical specialty)Internal medicine

Résumé

récupéré en direct d'OpenAlex

The severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) can target specific receptors on the cell surface and enter human host cells, causing the coronavirus disease (COVID-19). Since SARS and COVID-19 have the same receptor blood angiotensin converting enzyme 2 (ACE2), it is possible to apply the research on SARS to the treatment of COVID-19. In this work, via a mathematical model describing the interactions among uninfected healthy cells, infected cells and SARS-CoV-2, we analyze the effect of antiviral drugs on COVID-19 treatment. For two commonly used forms of drug intake, periodic and impulsive forms of drug intake, we identify the basic reproduction number $ R_{0} $ and study its relation to drug intake parameters and to the COVID-19 infection state. Our findings provide some interesting insights on COVID-19 treatment strategies.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,489
Score d'incertitude au seuil0,685

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,323
Écart entre enseignants0,307 · 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.

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

Citations0
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDiscrete and Continuous Dynamical Systems - BMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207