MétaCan
Menu
Retour à la cohorte
Enregistrement W2794639105 · doi:10.1126/scitranslmed.aaj1748

The impact of past vaccination coverage and immunity on pertussis resurgence

2018· article· en· W2794639105 sur OpenAlexaff
Matthieu Domenech de Cellès, F. M. G. Magpantay, Aaron A. King, Pejman Rohani

Notice bibliographique

RevueScience Translational Medicine · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBacterial Infections and Vaccines
Établissements canadiensQueen's University
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésImmunityVaccinationMedicineImmunologyPertussis vaccineHerd immunityVirologyImmune systemImmunization

Résumé

récupéré en direct d'OpenAlex

The resurgence of pertussis over the past decades has resulted in incidence levels not witnessed in the United States since the 1950s. The underlying causes have been the subject of much speculation, with particular attention paid to the shortcomings of the latest generation of vaccines. We formulated transmission models comprising competing hypotheses regarding vaccine failure and challenged them to explain 16 years of highly resolved incidence data from Massachusetts, United States. Our results suggest that the resurgence of pertussis is a predictable consequence of incomplete historical coverage with an imperfect vaccine that confers slowly waning immunity. We found evidence that the vaccine itself is effective at reducing overall transmission, yet that routine vaccination alone would be insufficient for elimination of the disease. Our results indicated that the core transmission group is schoolchildren. Therefore, efforts aimed at curtailing transmission in the population at large, and especially in vulnerable infants, are more likely to succeed if targeted at schoolchildren, rather than adults.

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)0,006
score de la tête « metaresearch » (Gemma)0,029
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,029
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,022
Tête enseignante GPT0,324
Écart entre enseignants0,302 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations130
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience Translational MedicineMême sujetBacterial Infections and VaccinesTravaux en français237 207