Immunizing Patients With Adverse Events After Immunization and Potential Contraindications to Immunization
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: For patients who have experienced adverse events following immunization (AEFI) or who have specific medical conditions, there is limited evidence regarding the best approach to immunization. The Special Immunization Clinics (SICs) Network was established to standardize patient management and assess outcomes after reimmunization. The study objective was to describe the first 2 years of the network's implementation. METHODS: Twelve SICs were established across Canada by infectious diseases specialists and allergists. Inclusion criteria were as follows: local reaction ≥ 10 cm, allergic symptoms < 24 hours postimmunization, neurologic symptoms and other AEFI or medical conditions of concern. Eligible patients underwent a standardized evaluation, causality assessment was performed, immunization recommendations were made by expert physicians and patients were followed up to capture AEFI. After individual consent, data were transferred to a central database for analysis. RESULTS: From June 2013 to May 2015, 151 patients were enrolled. Most were referred for prior AEFI (132/151, 87%): 42 (32%) for allergic-like reactions, 31 (23%) for injection-site reactions, 20 (15%) for neurologic symptoms and 39 (30%) for other systemic symptoms. Nineteen patients (13%) were seen for underlying conditions that complicated immunization. Reimmunization was recommended for 109 patients, 60 of whom (55%) were immunized and followed up. Eleven patients (18%) experienced recurrence of their AEFI; none were serious (eg, resulting in hospitalization, permanent disability or death). CONCLUSIONS: The most frequent reasons for referral to a SIC were allergic-like events and injection site reactions. Reimmunization was safe in most patients. Larger studies are needed to determine outcomes for specific types of AEFI.
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.
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 | 0,000 | 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 | 0,001 | 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 découle