MétaCan
Menu
Retour à la cohorte
Enregistrement W2016579260 · doi:10.3109/10428194.2011.584003

The pandemic H1N1 influenza vaccine results in low rates of seroconversion for patients with hematological malignancies

2011· article· en· W2016579260 sur OpenAlexaff
Katherine Monkman, James B. Mahony, Alejandro Lazo‐Langner, Benjamin Chin‐Yee, Leonard Minuk

Notice bibliographique

RevueLeukemia & lymphoma/Leukemia and lymphoma · 2011
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensMcMaster UniversityWestern University
Organismes subventionnairesAmerican Society of Hematology
Mots-clésMedicineSeroconversionVaccinationImmunologyInfluenza vaccineAntibodyAntibody titerPopulationTiterPandemicFlu seasonInternal medicineDiseaseCoronavirus disease 2019 (COVID-19)Infectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Patients with hematological malignancies are at increased risk of influenza and its complications, but evidence for the efficacy of influenza vaccination in this population is limited. We sought to determine whether patients being treated for hematological malignancies were able to mount protective antibodies to the H1N1 influenza vaccine. Pre- and post-vaccination plasma samples were collected from patients with hematological malignancies during the 2009-2010 influenza season. Seroconversion was defined as a four-fold increase in antibody titer, as measured by the hemagglutinin inhibition test. Sixty-two patients received the H1N1 vaccine and 41 patients were unvaccinated controls. The rate of seroconversion among vaccinated patients was 21%, which was significantly higher than that in unvaccinated patients (0%), but significantly lower than that previously reported for healthy adults. Physicians should be aware that influenza vaccination may not generate an immune response in patients with hematological malignancies. Larger studies are required to confirm these results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,044
Tête enseignante GPT0,300
Écart entre enseignants0,256 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations13
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeukemia & lymphoma/Leukemia and lymphomaMême sujetInfluenza Virus Research StudiesTravaux en français237 207