Maternal Influenza Immunization and Adverse Birth Outcomes: Using Data and Practice to Inform Theory and Research Design
Notice bibliographique
Résumé
Maternal influenza immunization can reduce influenza-attributable morbidity and mortality among pregnant women and infants who are too young to be vaccinated. Data from empirical studies also support the hypothesis that immunization can protect the fetus against adverse outcomes if the mother is exposed to influenza. In their theoretical analysis in the Journal, Hutcheon et al. (Am J Epidemiol 2016;184(3):227-232) critiqued the existing evidence of the fetal benefits of maternal influenza immunization by calculating the sample sizes needed to demonstrate hypothetical reductions in risk and concluded that the benefits observed in empirical studies are likely implausible. However, in their analysis, they did not take into account multiple fundamental characteristics of influenza epidemiology, including the time-variable effects of influenza illness and vaccination during pregnancy, or well-known differences in disease epidemiology between seasons, populations, and geographic regions. Although these and other factors might affect the magnitude of fetal benefit conferred by maternal influenza immunization, studies in which investigators have accounted for influenza circulation have demonstrated a consistent protective effect against a variety of adverse birth outcomes; those studies include the only randomized controlled trial designed a priori and adequately powered to do so. Only a comprehensive and nuanced assessment of the evidence base will allow for effective translation of these data into a global immunization policy.
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 | 0,253 | 0,613 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,021 |
| Communication savante | 0,009 | 0,018 |
| Science ouverte | 0,005 | 0,008 |
| Intégrité de la recherche | 0,034 | 0,041 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».