MétaCan
Menu
Retour à la cohorte
Enregistrement W2902509520 · doi:10.1093/cid/ciy1009

The Impact of Prior Season Vaccination on Subsequent Influenza Vaccine Effectiveness to Prevent Influenza-related Hospitalizations Over 4 Influenza Seasons in Canada

2018· article· en· W2902509520 sur OpenAlexafffundabout
Michaela Nichols, Melissa K. Andrew, L Ye, Todd F. Hatchette, A Ambrose, Guy Boivin, William Bowie, Gaël Dos Santos, May ElSherif, K Green, François Haguinet, Kevin Katz, Jason J. LeBlanc, Mark Loeb, Donna MacKinnon‐Cameron, Anne McCarthy, Janet E. McElhaney, Allison McGeer, Jeff Powis, David Richardson, Makeda Semret, Rohita Sharma, V. Shinde, Daniel Smyth, Sylvie Trottier, Louis Valiquette, Duncan Webster, Shelly McNeil

Notice bibliographique

RevueClinical Infectious Diseases · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensSaint John Regional HospitalMoncton HospitalGlaxoSmithKline (Canada)McGill UniversityWilliam Osler Health SystemMcMaster UniversityNorth York General HospitalMount Sinai HospitalUniversity of British ColumbiaOttawa HospitalIzaak Walton Killam Health CentreCentre hospitalier universitaire de QuébecNova Scotia Health AuthorityUniversité de SherbrookeToronto East General HospitalHealth Sciences NorthDalhousie University
Organismes subventionnairesCanadian Institutes of Health ResearchGlaxoSmithKline
Mots-clésMedicineVaccinationInfluenza vaccineInfluenza seasonLive attenuated influenza vaccineVirologyHuman mortality from H5N1Seasonal influenzaInfluenza A virusOrthomyxoviridaeEnvironmental healthImmunologyCoronavirus disease 2019 (COVID-19)VirusInternal medicineInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Recent studies have demonstrated the possibility of negative associations between prior influenza vaccines and subsequent influenza vaccine effectiveness (VE), depending on season and strain. We investigated this association over 4 consecutive influenza seasons (2011-2012 through 2014-2015) in Canada. METHODS: Using a matched test-negative design, laboratory-confirmed influenza cases and matched test-negative controls admitted to hospitals were enrolled. Patients were stratified into 4 groups according to influenza vaccine history (not vaccinated current and prior season [referent], vaccinated prior season only, vaccinated current season only, and vaccinated both current and prior season). Conditional logistic regression was used to estimate VE; prior vaccine impact was assessed each season for overall effect and effect stratified by age (<65 years, ≥65 years) and type/subtype (A/H1N1, A/H3N2, influenza B). RESULTS: Overall, mainly nonsignificant associations were observed. Trends of nonsignificant decreased VE among patients repeatedly vaccinated in both prior and current season relative to the current season only were observed in the A/H3N2-dominant seasons of 2012-2013 and 2014-2015. Conversely, in 2011-2012, during which B viruses circulated, and in 2013-2014, when A/H1N1 circulated, being vaccinated in both seasons tended to result in a high VE in the current season against the dominant circulating subtype. CONCLUSIONS: Prior vaccine impact on subsequent VE among Canadian inpatients was mainly nonsignificant. Even in circumstances where we observed a trend of negative impact, being repeatedly vaccinated was still more effective than not receiving the current season's vaccine. These findings favor continuation of annual influenza vaccination recommendations, particularly in older adults. CLINICAL TRIALS REGISTRATION: NCT01517191.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,022
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,046
Tête enseignante GPT0,441
Écart entre enseignants0,395 · 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

Citations22
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueClinical Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207