MétaCan
Menu
Retour à la cohorte
Enregistrement W2138193970 · doi:10.1093/occmed/kqt086

Cost-effectiveness analysis of MMR immunization in health care workers

2013· article· en· W2138193970 sur OpenAlexaff
Prosenjit Giri, Subhashis Basu, Diana C. Farrow, Anil Adisesh

Notice bibliographique

RevueOccupational Medicine · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueVirology and Viral Diseases
Établissements canadiensSaint John Regional HospitalDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineVaccinationSerologyMeaslesHealth careImmunizationPopulationCohortRubellaFamily medicineEnvironmental healthPediatricsImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Assessment of measles, mumps and rubella (MMR) status is an essential part of occupational health clearance for new health care workers (HCWs). At the time of this study the policy at Sheffield Occupational Health Service (SOHS) was to perform serological testing of HCWs without evidence of previous immunization prior to MMR vaccination. AIMS: To identify the cost implications of changing policy to offer vaccination without prior serological testing to HCWs without evidence of previous immunization. METHODS: A retrospective cohort analysis of all MMR serological results from individuals attending SOHS for pre-placement assessment between 1 April 2010 and 31 March 2012. RESULTS: Seven thousand five hundred and sixty-nine individuals attended SOHS for pre-placement screening. Of these, 52% (3921) had no evidence of prior vaccination to at least one MMR disease and underwent serological testing. Thirty-three per cent (1204) of these HCWs were sero-negative to at least one condition requiring vaccination. With the suggested change in policy, our data indicate a cost-saving of over £105 000 per year may currently be achieved at SOHS. CONCLUSIONS: Our findings highlight significant savings through offering vaccination without prior serology for HCWs with no evidence of prior immunization to MMR. An awareness of costs associated with serology, vaccination and staff clinics, as well as the wider impact of population vaccination campaigns, are important factors determining the most cost-effective strategy in this area.

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)0,000
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 enseignants0,006
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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)0,0010,000

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 Opus0,046
Tête enseignante GPT0,397
Écart entre enseignants0,352 · 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

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOccupational MedicineMême sujetVirology and Viral DiseasesTravaux en français237 207