After adjusting for bias in meta-analysis seasonal influenza vaccine remains effective in community-dwelling elderly
Notice bibliographique
Résumé
OBJECTIVE: To compare the performance of the bias-adjusted meta-analysis to the conventional meta-analysis assessing seasonal influenza vaccine effectiveness among community-dwelling elderly aged 60 years and older. STUDY DESIGN AND SETTING: Systematic literature search revealed 14 cohort studies that met inclusion and exclusion criteria. Laboratory-confirmed influenza, influenza-like illness, hospitalization from influenza and/or pneumonia, and all-cause mortality were study outcomes. Potential biases were identified using bias checklists. The magnitude and uncertainty of biases were assessed by expert opinion. Pooled odds ratios (ORs) and 95% confidence intervals (95% CIs) were calculated using random effects model. RESULTS: After incorporating biases, overall effect estimates regressed slightly toward no effect, with the largest relative difference between conventional and bias-adjusted ORs for laboratory-confirmed influenza (OR, 0.18; 95% CI: 0.01, 3.00 vs. OR, 0.23; 95% CI: 0.03, 2.04). In most of the studies, CIs widened reflecting uncertainties about the biases. The between-study heterogeneity reduced considerably with the largest reduction for all-cause mortality (I(2) = 4%, P = 0.39 vs. I(2) = 91%, P < 0.01). CONCLUSION: This case study showed that after addressing potential biases influenza vaccine was still estimated effective in preventing hospitalization from influenza and/or pneumonia and all-cause mortality. Increasing the number of assessors and incorporating empirical evidence might improve the new bias-adjustment method.
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 | 0,144 | 0,248 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,002 |
| Méta-épidémiologie (sens large) | 0,016 | 0,078 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,005 | 0,003 |
| 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 ».