← Retour à la cohorte
Coding long COVID: characterizing a new disease through an ICD-10 lens
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
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 distillée sur la base complète
Imitation des enseignantsNi 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,502
Score d'incertitude au seuil1,000
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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 Opus0,028
Tête enseignante GPT0,305
Écart entre enseignants0,277 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validation
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 tête enseignante, pas un consensus.
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
Publié2025
Routes d'admission1
Résumé présentnon