Influenza serological studies to inform public health action: best practices to optimise timing, quality and reporting
Notice bibliographique
Résumé
BACKGROUND: Serological studies can detect infection with a novel influenza virus in the absence of symptoms or positive virology, providing useful information on infection that goes beyond the estimates from epidemiological, clinical and virological data. During the 2009 A(H1N1) pandemic, an impressive number of detailed serological studies were performed, yet the majority of serological data were available only after the first wave of infection. This limited the ability to estimate the transmissibility and severity of this novel infection, and the variability in methodology and reporting limited the ability to compare and combine the serological data. OBJECTIVES: To identify best practices for conduct and standardisation of serological studies on outbreak and pandemic influenza to inform public policy. METHODS/SETTING: An international meeting was held in February 2011 in Ottawa, Canada, to foster the consensus for greater standardisation of influenza serological studies. RESULTS: Best practices for serological investigations of influenza epidemiology include the following: classification of studies as pre-pandemic, outbreak, pandemic or inter-pandemic with a clearly identified objective; use of international serum standards for laboratory assays; cohort and cross-sectional study designs with common standards for data collection; use of serum banks to improve sampling capacity; and potential for linkage of serological, clinical and epidemiological data. Advance planning for outbreak studies would enable a rapid and coordinated response; inclusion of serological studies in pandemic plans should be considered. CONCLUSIONS: Optimising the quality, comparability and combinability of influenza serological studies will provide important data upon emergence of a novel or variant influenza virus to inform public health action.
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 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,022 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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.
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.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».