MétaCan
Menu
Retour à la cohorte
Enregistrement W4394759140 · doi:10.1016/s1473-3099(24)00155-5

Increased faecal shedding in SARS-CoV-2 variants BA.2.86 and JN.1

2024· letter· en· W4394759140 sur OpenAlexaff
Dhammika Leshan Wannigama, Mohan Amarasiri, Phatthranit Phattharapornjaroen, Cameron Hurst, Charin Modchang, Sudarat Chadsuthi, Suparinthon Anupong, Kazuhiko Miyanaga, Longzhu Cui, Stefan Fernandez, Angkana T. Huang, Puey Ounjai, Andrew C. Singer, Naveen Kumar Devanga Ragupathi, Daisuke Sano, Takashi Furukawa, Kazunari Sei, Asada Leelahavanichkul, Talerngsak Kanjanabuch, Tanittha Chatsuwan, Paul G. Higgins, Asuka Nanbo, Anthony Kicic, Richard Siow, Sam Trowsdale, Parichart Hongsing, Aisha Khatib, Kenji Shibuya, Shuichi Abe, Hitoshi Ishikawa, Wanwara Thuptiang, Ali Hosseini Rad S.M., Porames Vatanaprasan, Dylan John Jay, Thammakorn Saethang, Sirirat Luk-in, Robin James Storer, Phitsanuruk Kanthawee, Ratana Tacharoenmuang

Notice bibliographique

RevueThe Lancet Infectious Diseases · 2024
Typeletter
Langueen
DomaineMedicine
ThématiqueCOVID-19 diagnosis using AI
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFaculty of Science, Mahidol UniversitySahlgrenska AkademinFaculty of Medicine, Chulalongkorn UniversityKitasato UniversityMahidol UniversityJichi Medical UniversityChulalongkorn UniversityCharles Darwin UniversityFaculty of Health and Medical Sciences, University of Western AustraliaUniversitätsklinikum KölnNational Research CentreDeutsches Zentrum für InfektionsforschungUniversität zu KölnNaresuan UniversityKing Chulalongkorn Memorial Hospital
Mots-clésSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Viral sheddingBiologyFecesVirologyCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakGeneticsMicrobiologyMedicineVirusOutbreakInternal medicine

Résumé

récupéré en direct d'OpenAlex
Aucun résumé dans les sources couvertes. Son absence est consignée, pas traitée comme un négatif.

Aucun résumé. Ce n'est pas une lacune de cette base de données : OpenAlex n'en a pas non plus. 23,3 % de la base est dans cet état, et le tri y repère MOITIÉ moins de métarecherche ; l'absence est donc un biais mesuré, et non un champ manquant.

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)0,009
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0160,009
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,036
Tête enseignante GPT0,330
Écart entre enseignants0,294 · 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

Citations36
Publié2024
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueThe Lancet Infectious DiseasesMême sujetCOVID-19 diagnosis using AITravaux en français237 207