Notice bibliographique
Résumé
During annual influenza epidemics, outbreaks of influenza in closed institutions are common. Among healthy children or young adults, such outbreaks are uncommonly associated with serious morbidity or mortality; however, in hospitals and nursing homes, attack rates as high as 60% and case-fatality rates as high as 50% have been reported. Annual influenza vaccination of both patients or residents and hospital and nursing home staff has had a substantial impact on mortality and has reduced the number of outbreaks. Nonpharmacologic interventions (e.g., handwashing and contact isolation of case patients) may reduce the spread of influenza, although evidence for their efficacy is lacking. Nonetheless, long-term care facilities for the elderly population with high vaccination rates and better-than-average infection-control programs have a 25%-50% chance of experiencing an influenza outbreak each year, with an expected resident attack rate of 35%-40%. Thus, antiviral drugs have been increasingly used to mitigate the impact of influenza outbreaks. There are 2 classes of antiviral drugs that are active against influenza: adamantanes and neuraminidase inhibitors. Drugs of the 2 classes appear to be equally effective for the treatment and prophylaxis of susceptible influenza A virus strains. However, adamantanes are not active against influenza B virus, and an increasing proportion of influenza A isolates are resistant to adamantanes. Adamantanes are associated with higher rates of adverse events than are neuraminidase inhibitors. There is substantial evidence that antiviral prophylaxis is effective in terminating outbreaks of seasonal influenza in closed institutions. If stockpiles are adequate, antiviral drugs are likely to be even more important in mitigating the impact of influenza transmission in health care institutions during the next influenza pandemic.
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 | 0,002 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».