MétaCan
Menu
Retour à la cohorte
Enregistrement W2123141428 · doi:10.1086/596475

Immunosenescence and Vaccination in Nursing Home Residents

2009· review· en· W2123141428 sur OpenAlexaff
Tamàs Fülöp, Graham Pawelec, Steven C. Castle, Mark Loeb

Notice bibliographique

RevueClinical Infectious Diseases · 2009
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune responses and vaccinations
Établissements canadiensMcMaster UniversityHealth and Social Services Centre University Institute of Geriatrics of SherbrookeUniversité de Sherbrooke
Organismes subventionnairesCalifornia State Polytechnic University, Pomona
Mots-clésMedicineImmunosenescenceVaccinationMalnutritionNursing homesGerontologyAffect (linguistics)PopulationImmunologyImmune systemEnvironmental healthNursing

Résumé

récupéré en direct d'OpenAlex

The elderly population continues to increase in most countries. Concomitantly, the number of individuals who are institutionalized is also increasing, unfortunately, with more and more individuals being institutionalized at greater ages. These elderly individuals are very different from healthy, community-dwelling elderly individuals, in that many are considered to be frail and have various chronic diseases. It is apparent that the immune response diminishes even in healthy elderly people and that the pathologies that occur in nursing home patients, together with malnutrition, further impair immunity required for an effective vaccine response. Therefore, it is important to take secondary age-related effects, attributable to factors such as chronic diseases, inflammation, frailty, nutrition, functional status, and stress, into account when assessing vaccination strategies. Despite these alterations that can affect immune function and their potential interaction with vaccination, vaccination is still worthwhile and is recommended for elderly nursing home residents. Research efforts should continue attempts to elucidate the immunological basis of impaired immunity in nursing home residents to design improved prevention strategies for this vulnerable group.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,040
Tête enseignante GPT0,417
Écart entre enseignants0,377 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations109
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetImmune responses and vaccinationsTravaux en français237 207