Heterogeneity in Estimates of the Impact of Influenza on Population Mortality: A Systematic Review
Notice bibliographique
Résumé
Influenza viruses are associated with a substantial global burden of morbidity and mortality every year. Estimates of influenza-associated mortality often vary between studies due to differences in study settings, methods, and measurement of outcomes. We reviewed 103 published articles assessing population-based influenza-associated mortality through searches of PubMed and Embase, and we identified considerable variation in the statistical methods used across studies. Studies using regression models with an influenza activity proxy applied 4 approaches to estimate influenza-associated mortality. The estimates increased with age and ranged widely, from -0.3-1.3 and 0.6-8.3 respiratory deaths per 100,000 population for children and adults, respectively, to 4-119 respiratory deaths per 100,000 population for older adults. Meta-regression analysis identified that study design features were associated with the observed variation in estimates. The estimates increased with broader cause-of-death classification and were higher for older adults than for children. The multiplier methods tended to produce lower estimates, while Serfling-type models were associated with higher estimates than other methods. No "average" estimate of excess mortality could reliably be made due to the substantial variability of the estimates, partially attributable to methodological differences in the studies. Standardization of methodology in estimation of influenza-associated mortality would permit improved comparisons in the future.
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 | 0,010 | 0,083 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,013 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».