MétaCan
Menu
Retour à la cohorte
Enregistrement W2771056997 · doi:10.1080/07853890.2017.1407035

Understanding modern-day vaccines: what you need to know

2017· review· en· W2771056997 sur OpenAlexaff
Volker Vetter, Gülhan Denizer, Leonard R. Friedland, Jyothsna Krishnan, Marla Shapiro

Notice bibliographique

RevueAnnals of Medicine · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesAllerganPfizerGlaxoSmithKlineAmgen
Mots-clésVaccinationMedicineDiseasePopulationImmunologyRisk analysis (engineering)Intensive care medicineEnvironmental health

Résumé

récupéré en direct d'OpenAlex

Vaccines are considered to be one of the greatest public health achievements of the last century. Depending on the biology of the infection, the disease to be prevented, and the targeted population, a vaccine may require the induction of different adaptive immune mechanisms to be effective. Understanding the basic concepts of different vaccines is therefore crucial to understand their mode of action, benefits, risks, and their potential real-life impact on protection. This review aims to provide healthcare professionals with background information about the main vaccine designs and concepts of protection in a simplified way to improve their knowledge and understanding, and increase their confidence in the science of vaccination ( Supplementary Material ). KEY MESSAGE Different vaccine designs, each with different advantages and limitations, can be applied for protection against a particular disease. Vaccines may contain live-attenuated pathogens, inactivated pathogens, or only parts of pathogens and may also contain adjuvants to stimulate the immune responses. This review explains the mode of action, benefits, risks and real-life impact of vaccines by highlighting key vaccine concepts. An improved knowledge and understanding of the main vaccine designs and concepts of protection will help support the appropriate use and expectations of vaccines, increase confidence in the science of vaccination, and help reduce vaccine hesitancy.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,011
Science ouverte0,0010,001
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0080,004

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 Opus0,561
Tête enseignante GPT0,521
Écart entre enseignants0,040 · 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'étudeSans objet
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

Citations354
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of MedicineMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207