MétaCan
Menu
Retour à la cohorte
Enregistrement W6920554784 · doi:10.60692/4ad5n-bzn03

COVID-19 Pandemic: How is Bangladesh coping with the rapid spread of coronavirus infection?

2020· article· en· W6920554784 sur OpenAlexaff

Notice bibliographique

RevueGreater South Information System · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueDiverse Scientific Research Studies
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésPreparednessCoronavirusPandemicDiseaseCoping (psychology)PopulationGovernment (linguistics)Transmission (telecommunications)Public health

Résumé

récupéré en direct d'OpenAlex

The novel coronavirus has become a global risk because of its massive transmission and high rates of mutation. Efficient clinical management remains a challenge in combatting the severe acute respiratory syndrome caused by this virulent strain. This contagious disease is new to the people of Bangladesh. The country is at high risk of spreading the coronavirus infection particularly because of its high population density. Significant morbidity and mortality have been observed for the quick transmission of this virus since March 8, 2020. The basic objective of this article is to analyze the preparedness of Bangladesh, given its constraints and limitations, to cope with the rapid spread of COVID-19 infection. In doing so, it summarizes the origin of coronavirus, epidemiology, mode of transmission, diagnosis, treatment, prevention and control of the disease. Although many steps have been taken by the Government and the private sector of Bangladesh to create awareness about measures needed to prevent the deadly infections, many people are unaware of and reluctant to accept the prescribed rules. Inadequacy of diagnostic facilities and limitations of clinical care and health care services were major constraints faced in treating COVID-19 infected people in Bangladesh. Greater compliance by the people in following the suggested measures may help reduce the rapid spread of the disease and overcome the challenges faced by this pandemic.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,467
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,258
Tête enseignante GPT0,385
Écart entre enseignants0,127 · 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.

Devis d'étudeQualitatif
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
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGreater South Information SystemMême sujetDiverse Scientific Research StudiesTravaux en français237 207