MétaCan
Menu
Retour à la cohorte
Enregistrement W2524277497 · doi:10.1186/s12889-016-3674-9

Evaluation of self-swabbing coupled with a telephone health helpline as an adjunct tool for surveillance of influenza viruses in Ontario

2016· article· en· W2524277497 sur OpenAlexafffundabout
Danielle McGolrick, Paul Bélanger, Harriet Richardson, Kieran Moore, Allison Maier, Anna Majury

Notice bibliographique

RevueBMC Public Health · 2016
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensPublic Health OntarioKingston Health Sciences CentreQueen's University
Organismes subventionnairesPublic Health Agency of Canada
Mots-clésMedicineBiostatisticsHelplineRespiratory illnessInfluenza-like illnessMedical emergencyPublic healthEnvironmental healthEmergency medicineVirusVirologyInternal medicinePathologyRespiratory system

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Calls to a telephone health helpline (THHL) have been previously evaluated for the ability to monitor specific syndromes, such as fever and influenza-like-illness or gastrointestinal illness. This method of surveillance has been shown to be highly correlated with traditional surveillance methods, and to have potential for early detection of community-based illness. Self-sampling, or having a person take his/her own nasal swab, has also proven successful as a useful method for obtaining a specimen, which may be used for respiratory virus detection. METHODS: This study describes a self-swabbing surveillance system mediated by a nurse-led THHL in Ontario whereby syndromic surveillance concepts are used to recruit and monitor participants with influenza-like illness. Once recruited, participants collect a nasal specimen obtained by self-swabbing and submit for testing and laboratory confirmation. Enumeration of weekly case counts was used to evaluate the timeliness of the self-swabbing surveillance system through comparison to other respiratory virus and influenza surveillance systems in Ontario. The operational efficiency of the system was also evaluated. RESULTS: The mean and median number of days between the day that a participant called the THHL, to the day a package was received at the laboratory for testing were approximately 10.4 and 8.6 days, respectively. The time between self-swab collection and package reception was 4.9 days on average, with a median of 4 days. The self-swabbing surveillance system adequately captured the 2014 influenza B season in a timely manner when compared to other Ontario-based sources of influenza surveillance data from the same year; however, the emergence of influenza B was not detected any earlier than with these other surveillance systems. Influenza A surveillance was also evaluated. Using the THHL self-swabbing system, a peak in the number of cases for influenza A was observed approximately one week after or during the same week as that reported by the other surveillance systems. CONCLUSION: This one-year pilot study suggests that the THHL self-swabbing surveillance system has significant potential as an adjunct tool for the surveillance of influenza viruses in Ontario. Recommendations for improving system efficacy are discussed.

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)0,012
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,417
Score d'incertitude au seuil0,972

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0120,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,099
Tête enseignante GPT0,376
Écart entre enseignants0,277 · 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

Citations10
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueBMC Public HealthMême sujetData-Driven Disease SurveillanceTravaux en français237 207