利用人在回路机器学习全面识别长新冠文章
机器学习
2022-10-31 v2
摘要
相当比例的 COVID-19 幸存者经历持续的多系统症状，常影响日常生活，该状况称为长新冠或 SARS-CoV-2 感染后急性后遗症。然而，识别与长新冠相关的科学文章具有挑战性，因为不存在标准化或共识术语。我们开发了一种迭代式人在回路机器学习框架，将数据编程与主动学习结合为鲁棒集成模型，展现出高于其他方法的特异性和显著更高的灵敏度。对长新冠集合的分析表明：(1) 大多数长新冠文章不以任何名称提及长新冠；(2) 当该状况被命名时，文献中最常用的名称是 Long Covid；(3) 长新冠与多种身体系统的障碍相关。长新冠集合每周更新，并可在 LitCovid 门户在线检索：https://www.ncbi.nlm.nih.gov/research/coronavirus/docsum?filters=e_condition.LongCovid
引用
@article{arxiv.2209.08124,
title = {Comprehensively identifying Long Covid articles with human-in-the-loop machine learning},
author = {Robert Leaman and Rezarta Islamaj and Alexis Allot and Qingyu Chen and W. John Wilbur and Zhiyong Lu},
journal= {arXiv preprint arXiv:2209.08124},
year = {2022}
}