MétaCan
Menu
Retour à la cohorte
Enregistrement W2745379188 · doi:10.1186/s12916-018-1239-8

The impact of repeated vaccination on influenza vaccine effectiveness: a systematic review and meta-analysis

2019· review· en· W2745379188 sur OpenAlexaff
Lauren Ramsay, Sarah A. Buchan, Rob G. Stirling, Benjamin J. Cowling, Shuo Feng, Jeffrey C. Kwong, Bryna Warshawsky

Notice bibliographique

RevueBMC Medicine · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensWestern UniversityUniversity of TorontoUniversity Health NetworkInstitute for Clinical Evaluative SciencesPublic Health Agency of CanadaPublic Health Ontario
Organismes subventionnairesnon disponible
Mots-clésMedicineVaccinationMeta-analysisInfluenza vaccineVirologyImmunologyIntensive care medicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Conflicting results regarding the impact of repeated vaccination on influenza vaccine effectiveness (VE) may cause confusion regarding the benefits of receiving the current season's vaccine. METHODS: We systematically searched MEDLINE, Embase, PubMed, and Cumulative Index to Nursing and Allied Health Literature from database inception to August 17, 2016, for observational studies published in English that reported VE against laboratory-confirmed influenza for the following four vaccination groups: current season only, prior season only, both seasons, and neither season. We pooled differences in VE (∆VE) between vaccination groups by influenza season and type/subtype using a random-effects model. The study protocol is registered with PROSPERO (registration number: CRD42016037241). RESULTS: We identified 3435 unique articles, reviewed the full text of 634, and included 20 for meta-analysis. Compared to prior season vaccination only, vaccination in both seasons was associated with greater protection against influenza H1N1 (∆VE = 25%; 95% CI 14%, 35%) and B (∆VE = 18%; 95% CI 3%, 33%), but not H3N2 (∆VE = 7%; 95% CI - 7%, 21%). Compared to no vaccination for either season, individuals who received the current season's vaccine had greater protection against H1N1 (∆VE = 62%; 95% CI 51%, 70%), H3N2 (∆VE = 45%; 95% CI 35%, 53%), and B (∆VE = 64%; 95% CI 57%, 71%). We observed no differences in VE between vaccination in both seasons and the current season only for H1N1 (∆VE = 3%; 95% CI - 8%, 13%), but less protection against influenza H3N2 (∆VE = - 20%; 95% CI - 36%, - 4%), and B (∆VE = - 11%; 95% CI - 20%, - 2%). CONCLUSIONS: Our results support current season vaccination regardless of prior season vaccination because VE for vaccination in the current season only is higher compared to no vaccination in either season for all types/subtypes, and for H1N1 and influenza B, vaccination in both seasons provides better VE than vaccination in the prior season only. Although VE was lower against H3N2 and B for individuals vaccinated in both seasons compared to those vaccinated in the current season only, it should be noted that past vaccination history cannot be altered and this comparison disregards susceptibility to influenza during the prior season among those vaccinated in the current season only. In addition, our results for H3N2 were particularly influenced by the 2014-2015 influenza season and the impact of repeated vaccination for all types/subtypes may vary from season to season. It is important that future VE studies include vaccination history over multiple seasons to evaluate repeated vaccination in more detail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,060
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,060
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0240,042
Bibliométrie0,0070,008
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0030,002
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,332
Tête enseignante GPT0,531
Écart entre enseignants0,198 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeMéta-analyse
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations146
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMC MedicineMême sujetInfluenza Virus Research StudiesTravaux en français237 207