The test-negative design: validity, accuracy and precision of vaccine efficacy estimates compared to the gold standard of randomised placebo-controlled clinical trials
Notice bibliographique
Résumé
The test-negative design (TND) is an efficient form of case-control study commonly applied to influenza vaccine effectiveness (VE) estimation. TND validity is predicated on the core assumption that the intervention (vaccine) has no effect on other non-targeted aetiologies resulting in similar illness/disease. Here we verify this core assumption and compare efficacy estimates derived by the TND versus classical per-protocol analysis of four datasets obtained from randomised placebo-controlled clinical trials (RCT) of the live attenuated influenza vaccine (LAIV) in children ≤7 years-old and the elderly ≥60 years-old. We further assess generalisability of the TND approach in two other RCT datasets to evaluate monoclonal antibody in the prevention of respiratory syncytial virus (RSV) hospitalisation. Efficacy estimates and their confidence intervals were virtually identical for per-protocol RCT versus TND analyses of LAIV and also for RSV monoclonal antibody. Neither LAIV nor monoclonal antibodies affected the risk of disease aetiologies that were not specifically targeted by the respective interventions (e.g. other respiratory viruses). This study validates the core assumption of the TND approach for influenza vaccine efficacy estimation and confirms the accuracy and precision of its estimates compared to the gold standard of classic per-protocol RCT analysis of the same data sets. The TND approach is generalisable for other conditions such as RSV for which the core assumption is also met. However, when used in observational studies, the TND, like all designs, still requires assessment for bias and confounding that may exist in the absence of randomised participation and blinded follow-up.
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 | 0,628 | 0,814 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,008 | 0,009 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,019 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,012 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».