MétaCan
Menu
Retour à la cohorte
Enregistrement W2891086908 · doi:10.23889/ijpds.v3i4.687

Using routinely collected laboratory and health administrative data to assess influenza vaccine effectiveness: introducing the Flu and Other Respiratory Viruses Research (FOREVER) Cohort

2018· article· en· W2891086908 sur OpenAlexaffabout
Jeff Kwong, Sarah A. Buchan, Hannah Chung, Michael A. Campitelli, Kevin L. Schwartz, Natasha S. Crowcroft, Michael L. Jackson, Timothy Karnauchow, Kevin Katz, Allison McGeer, Dayre McNally, David Richardson, Susan E. Richardson, Laura C. Rosella, Andrew E. Simor, Marek Smieja, George Zahariadis, Jonathan B. Gubbay

Notice bibliographique

RevueInternational Journal for Population Data Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensMemorial University of NewfoundlandHealth Sciences CentreSunnybrook Health Science CentreUniversity of TorontoSickKids FoundationPublic Health OntarioWilliam Osler Health SystemUniversity of OttawaInstitute for Clinical Evaluative SciencesChildren's Hospital of Eastern OntarioSt. Joseph’s Healthcare HamiltonHospital for Sick Children
Organismes subventionnairesnon disponible
Mots-clésMedicineInfluenza vaccineCohortCohort studyPublic healthVaccine efficacyVaccinationRespiratory illnessFamily medicineImmunologyRespiratory systemInternal medicinePathology

Résumé

récupéré en direct d'OpenAlex

IntroductionAnnual evaluation of influenza vaccine effectiveness (VE) is required because of frequent changes to circulating and vaccine strains. Traditionally, VE studies enroll patients who fulfill case definitions for respiratory infections and are tested for influenza. VE estimates generated from convenience samples of routinely collected specimens might be biased. Objectives and ApproachWe assessed the validity of using data from respiratory specimens collected during clinical encounters to estimate VE. We created the Flu and Other Respiratory Viruses Research (FOREVER) Cohort by linking respiratory virus laboratory test results from 2009-2014 from 11 public health and 8 hospital laboratories across Ontario to health administrative databases, including databases with billing claims for physician- and pharmacist-administered influenza vaccines. We evaluated the presence of information and selection biases when using these data and estimated VE in community-dwelling older adults (>65) using the test-negative design under conditions that emulated the inclusion criteria in traditional VE studies. ResultsThe FOREVER Cohort included test results from 283,711 respiratory specimens obtained from 216,730 individuals. The overall linkage proportion to health administrative databases using deterministic and probabilistic linkage methods was 97.5%. Influenza positivity for older adults with unknown lag between illness onset and specimen collection was similar to those for whom illness onset date was documented to be ≤7 days before specimen collection, suggesting minimal outcome misclassification associated with information bias. The likelihood of influenza testing was similar between vaccinated and unvaccinated individuals, suggesting an absence of selection bias that could arise when a case definition for influenza testing is not employed. Lastly, VE estimates were similar under various conditions, demonstrating the robustness of using these data, and were comparable to published estimates. Conclusion/ImplicationsThe FOREVER Cohort can be used to estimate VE with negligible bias. Compared to traditional VE studies that are limited to recruited patients, routinely collected specimens create a larger, more generalizable sample. Linkage to health administrative databases can identify those with comorbidities and permit evaluation of VE in high-risk groups.

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)0,049
score de la tête « metaresearch » (Gemma)0,041
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 enseignants0,085
Score d'incertitude au seuil0,260

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0490,041
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0030,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,757
Tête enseignante GPT0,644
Écart entre enseignants0,114 · 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

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal for Population Data ScienceMême sujetInfluenza Virus Research StudiesTravaux en français237 207