MétaCan
Menu
Retour à la cohorte
Enregistrement W4416050706 · doi:10.17615/eyw5-jd32

Coding long COVID: characterizing a new disease through an ICD-10 lens

2025· article· en· W4416050706 sur OpenAlexfundno aff
Hannah Davis, Rachel Wong, Emily Pfaff, Elaine Hill, Andrew T. Girvin, Johanna Loomba, Tellen D. Bennett, John M. Baratta, Charisse Madlock‐Brown, Kristin Kostka, Melissa Haendel, Elizabeth Kelly, Christopher G. Chute, Abhishek Bhatia, Richard A. Moffitt, Julie A. McMurry

Notice bibliographique

RevueUNC Libraries · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensnon disponible
Organismes subventionnairesYale Center for Clinical Investigation, Yale School of MedicineColorado Clinical and Translational Sciences InstituteClinical and Translational Science Center, University of New MexicoClinical and Translational Science Institute, Boston UniversityCenter for Clinical and Translational Sciences, University of Texas Health Science Center at HoustonInstitute for Integration of Medicine and ScienceCenter for Clinical and Translational Science, Mayo ClinicUniversity of Colorado DenverLeonard M. Miller School of MedicineUniversity of California, IrvineOregon Clinical and Translational Research InstituteUniversity of California, DavisWeill Cornell Medical CollegeUniversity of Illinois at Urbana-ChampaignNational Institutes of HealthInstitute for Clinical and Translational Science, University of California, IrvineOchsner HealthUniversity of California, San FranciscoLouisiana Clinical and Translational Science CenterTufts Medical CenterInstitute of Translational Health SciencesChildren's National HospitalVanderbilt University Medical CenterTranslational Research Institute, University of Arkansas for Medical SciencesNorthShore University HealthSystemRutgers, The State University of New JerseyUniversity of RochesterAurora Health CareInstitute of Clinical and Translational SciencesBill and Melinda Gates FoundationUniversity of WashingtonUniversity of California, Los AngelesInstitute for Translational Medicine and TherapeuticsGeorgia Clinical and Translational Science AllianceVirginia Commonwealth UniversityBrown UniversityRush UniversityCincinnati Children's Hospital Medical CenterYale UniversityUniversity of Wisconsin-MadisonTulane UniversityPennsylvania State UniversityVanderbilt Institute for Clinical and Translational ResearchInstitute for Clinical and Translational Research, University of Wisconsin, MadisonUniversity of California, San DiegoJohns Hopkins UniversityFrontiers Clinical and Translational Science Institute, University of KansasUniversity of Texas Health Science Center at San AntonioLoyola University ChicagoWashington University in St. LouisUniversity of MichiganHarvard CatalystUniversity of MinnesotaChildren's Hospital of PhiladelphiaMichigan Institute for Clinical and Health ResearchUniversity of UtahUniversity of PennsylvaniaGeorge Washington UniversityVanderbilt UniversityAccelerated Innovation Research Initiative Turning Top Science and Ideas into High-Impact ValuesUniversity of ChicagoOhio State UniversityPenn State Clinical and Translational Science InstituteYork UniversityUniversity of MiamiCenter for Clinical and Translational ResearchEmory UniversityCarilion Clinic
Mots-clésMedical diagnosisPopulationPandemicCoding (social sciences)DiseaseLeverage (statistics)Context (archaeology)

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)0,011
score de la tête « metaresearch » (Gemma)0,139
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,183
Score d'incertitude au seuil0,364

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,139
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0060,010
Études des sciences et des technologies0,0020,001
Communication savante0,0040,004
Science ouverte0,0010,006
Intégrité de la recherche0,0010,004
Charge utile insuffisante (le modèle a refusé de juger)0,0160,002

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 Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,277 · 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'étudeThéorique ou conceptuel
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
Publié2025
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueUNC LibrariesMême sujetLong-Term Effects of COVID-19Travaux en français237 207