How and why researchers use the number needed to vaccinate to inform decision making—A systematic review
Notice bibliographique
Résumé
BACKGROUND: The number needed to vaccinate (NNV) is a measure that has been widely used in the scientific literature to draw conclusions about the usefulness and cost-effectiveness of various immunization programmes. The main objective of this review is to examine how and why the NNV has been used and reported in the published literature. METHODS: Electronic databases were searched and records were screened against the eligibility criteria by two independent authors. We included papers that reported and interpreted NNV. RESULTS: We identified 27 studies, the designs including observational studies, economic analyses, systematic reviews, and commentaries. The NNV has been used in the literature to describe three main themes: potential benefits of vaccination programmes, cost-effectiveness, and economic analyses, and modelling studies to compare different vaccination strategies. CONCLUSIONS: NNV has been used in a wide variety of ways in the literature, yet there are no defined thresholds for what is a favourable NNV. Furthermore, the generalizability of the NNV is usually limited. Further work is required to determine the most appropriate use of this measure.
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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,114 | 0,364 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,012 | 0,011 |
| Bibliométrie | 0,019 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,003 |
| Communication savante | 0,009 | 0,010 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,005 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».