Strategies for successful rapid trials of influenza vaccine
Notice bibliographique
Résumé
BACKGROUND: In contrast to the gradual pace of conventional vaccine trials, evaluation of influenza vaccines often must be accelerated for use in a pandemic or for annual re-licensure. Descriptions of how best to design studies for rapid completion are few. PURPOSE: In August, 2010, we conducted a rapid trial with a seasonal influenza vaccine for 2010-2011 given to persons vaccinated with an adjuvanted H1N1 vaccine in 2009, to determine whether re-exposure to the H1N1(2009) component of the seasonal vaccine would cause increased reactions. We describe the strategies that we believe were responsible for success in meeting the desired timeline. METHODS: The key means for expediting the study were: use of a few experienced, well-staffed centers; efficient completion of administrative approvals; advance recruitment of volunteers; synchronized start among centers with rapid completion (≤1 week) of first visits; rapid data assembly via the Internet; and a well-prepared data analysis plan. We chose to use a randomized, blinded, cross-over design to allow estimation of vaccine-attributable adverse event rates, with sufficient power (320 participants) to detect events occurring at true rates ≥1% with ≥90% probability. RESULTS: Planned enrollment numbers, center synchronization, and timelines, including review by a safety board prior to the cross-over step (second doses), were achieved. A detailed safety report was delivered to federal health officials just 32 days after study initiation and was used to fine-tune public messaging prior to the mass vaccination programs across Canada. LIMITATIONS: This aggressive timeline could not have been met without opportunities for careful planning and the prior existence of a network of experienced, collaborating trial centers. CONCLUSIONS: The means used to accelerate this study timeline were successful and could be used in other urgent situations but the mechanics of collaborative trials must be well rehearsed as a precondition.
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 | 0,314 | 0,232 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,005 | 0,010 |
| Intégrité de la recherche | 0,006 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,023 | 0,009 |
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 ».