Notice bibliographique
Résumé
To the Editor—We thank Dr Skowronski and colleagues for their interest in our article. They raise a number of important points. In particular, they highlight the issue of missing frailty data, which we also discuss in our article. It is often the case that the people who are missing data that contribute to frailty measures are the ones who are most frail and vulnerable, thus highlighting some of the challenges of research involving frail older adults. This is not to say that we should give up on studying older adults or studying the impact of frailty, but rather to say that we should do the best we can with the data that can be obtained. As Neuzil and Chen stated in the editorial commentary accompanying our article, “As researchers, our challenge is to assess vaccine effectiveness using the best possible methodologies, and to discern differences in the performance of different vaccine formulations in specific populations” [1]. We heartily agree. Our network complements other networks such as the Canadian Sentinel Practitioner Surveillance Network led by Dr Skowronski [2], which make important contributions to the field. However, such outpatient networks underrepresent older adults, who experience the greatest burden of influenza illness, and do not collect detailed patient-level data, such as required for our frailty measure. Each approach provides a piece of the overall puzzle. Continued efforts are needed to understand vaccine effectiveness and the burden of influenza illness for older adults across the spectrum of frailty. The Serious Outcomes Surveillance (SOS Network) has been collecting data since the 2010–2011 influenza season. We are currently working on further studies of frailty and functional outcomes, including strain-specific analyses and pooling across seasons to increase sample size and power. These results will be forthcoming. Potential conflicts of interest. M. K. A. reports grant funding from GSK, Pfizer and Sanofi Pasteur. S. A. M. reports payments from the GSK group of companies, during the conduct of the study; and reports payments from Pfizer, Merck, Novartis and Sanofi, outside the submitted work.
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 | 0,003 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,078 | 0,046 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,010 |
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 ».