Impact of viral drift on vaccination dynamics and patterns of seasonal influenza
Notice bibliographique
Résumé
BACKGROUND: Much research has been devoted to the determination of optimal vaccination strategies for seasonal influenza epidemics. However, less attention has been paid to whether this optimization can be achieved within the context of viral drift. METHODS: We developed a mathematical model that links different intra-seasonal dynamics of vaccination and infection to investigate the effect of viral drift on optimal vaccination for minimizing the total number of infections. The model was computationally implemented using a seasonal force of infection, with estimated parameters from the published literature. RESULTS: Simulation results show that the pattern of large seasonal epidemics is strongly correlated with the duration of specific cross-protection immunity induced by natural infection. Considering a random vaccination, our simulations suggest that the effect of vaccination on epidemic patterns is largely influenced by the duration of protection induced by strain-specific vaccination. We found that the protection efficacy (i.e., reduction of susceptibility to infection) of vaccine is a parameter that could influence these patterns, particularly when the duration of vaccine-induced cross-protection is lengthened. CONCLUSIONS: Given the uncertainty in the timing and nature of antigenically drifted variants, the findings highlight the difficulty in determining optimal vaccination dynamics for seasonal epidemics. Our study suggests that the short- and long-term impacts of vaccination on seasonal epidemics should be evaluated within the context of population-pathogen landscape for influenza evolution.
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 | 0,000 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».