MétaCan
Menu
Retour à la cohorte
Enregistrement W2054504017 · doi:10.1186/1471-2334-9-129

Potential for a global dynamic of Influenza A (H1N1)

2009· article· en· W2054504017 sur OpenAlexaboutno aff
Antoine Flahault, Elisabeta Vergu, Pierre‐Yves Boëlle

Notice bibliographique

RevueBMC Infectious Diseases · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésParasitologyMedical microbiologyTropical medicineH1N1 influenzaHuman influenzaMedicineBiologyCoronavirus disease 2019 (COVID-19)VirologyInternal medicinePathologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Geographical and temporal diffusion patterns of a human pandemic due to Swine Origin Influenza Virus (S-OIV) remain uncertain. The extent to which national and international pandemic preparedness plans and control strategies can slow or stop the process is not known. However, despite preparedness efforts, it appears that, particularly in the USA, Mexico, Canada and the UK, local chains of virus transmission can sustain autonomous dynamics which may lead to the next pandemic. Forecasts of influenza experts usually rely on information related to new circulating strains. METHODS: We attempted to quantify the possible spread of the pandemic across a network of 52 major cities and to predict the effect of vaccination against the pandemic strain, if available. Predictions are based on simulations from a stochastic SEIR model. Parameters used in the simulations are set to values consistent with recent estimations from the outbreak in Mexico. RESULTS: We show that a two-wave pandemic dynamic may be observed in Southern hemisphere because of seasonal constraints for a maximum value of the basic reproductive number (R0, max) within a city equal to 1.5 and a mean generation interval (GI) of 2 days. In this case and in the absence of vaccination, attack rates may reach 46% when considering a completely susceptible population. More severe scenarios characterized by higher values of R0, max (2.2) and GI (3.1) yield an attack rate of 77%. By extrapolation, we find that mass vaccination in all countries (i.e. up to 50% of the population) implemented 6 months after the start of the pandemic may reduce the cumulative number of cases by 91% in the case of the low transmissible strain (R0, max = 1.5). This relative reduction is only 44% for R0, max = 2.2 since most of the cases occur in the first 6 months and so before the vaccination campaign. CONCLUSION: Although uncertainties remain about the epidemiological and clinical characteristics of the new influenza strain, this study provides the first analysis of the potential spread of the pandemic and first assessment of the impact of different immunization strategies.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,040
Score d'incertitude au seuil0,666

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0000,000

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 Opus0,029
Tête enseignante GPT0,380
Écart entre enseignants0,351 · 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 tête enseignante, 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

Citations62
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207