A global survey of adverse event following immunization surveillance systems for pregnant women and their infants
Notice bibliographique
Résumé
Strengthening antenatal care as a platform for maternal immunization is a priority of the World Health Organization (WHO). Systematic surveillance for adverse events following immunization (AEFI) in pregnancy is needed to identify vaccine safety events. We sought to identify active and passive AEFI surveillance systems for pregnant women and infants. Representatives from all National Pharmacovigilance Centers and a convenience sample of vaccine safety experts were invited to complete a 14-item online survey in English, French or Spanish. The survey captured maternal immunization policies, and active and passive AEFI surveillance systems for pregnant women and infants in respondents' countries. The analysis was descriptive. We received responses from 51/185 (28%) invited persons from 47/148 (32%) countries representing all WHO regions, and low, middle and high-income countries. Thirty countries had national immunization policies targeting pregnant women. Eleven countries had active surveillance systems to detect serious AEFI in pregnant women and/or their infants, including six low and middle-income countries (LMIC). Thirty-nine countries had passive surveillance systems, including 23 LMIC. These active and passive surveillance programs cover approximately 8% and 56% of the worldwide annual birth cohort, respectively. Data from one active and four passive systems have been published. We identified 50 active and passive AEFI surveillance systems for pregnant women and infants, but few have published their findings. AEFI surveillance appears to be feasible in low and high resource settings. Further expansion of AEFI surveillance for pregnant women and sharing of vaccine safety information will provide additional evidence in support of maternal immunization policies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».