Can routinely collected laboratory and health administrative data be used to assess influenza vaccine effectiveness? Assessing the validity of the Flu and Other Respiratory Viruses Research (FOREVER) Cohort
Notice bibliographique
Résumé
BACKGROUND: Linking data on laboratory specimens collected during clinical practice with health administrative data permits highly powered vaccine effectiveness (VE) studies to be conducted at relatively low cost, but bias from using convenience samples is a concern. We evaluated the validity of using such data for estimating VE. METHODS: We created the Flu and Other Respiratory Viruses Research (FOREVER) Cohort by linking individual-level data on respiratory virus laboratory tests, hospitalizations, emergency department visits, and physician services. For community-dwelling adults aged > 65 years, we assessed the presence and magnitude of information and selection biases, generated VE estimates under various conditions, and compared our VE estimates with those from other studies. RESULTS: We included 65,648 unique testing episodes obtained from 54,434 individuals during the 2010-11 to 2015-16 influenza seasons. To examine information bias, we found the proportion testing positive for influenza for patients with unknown interval from illness onset to specimen collection was more similar to patients for whom illness onset date was ≤ 7 days before specimen collection than to patients for whom illness onset was > 7 days before specimen collection. To assess the presence of selection bias, we found the likelihood of influenza testing was comparable between vaccinated and unvaccinated individuals, although the adjusted odds ratios were significantly greater than 1 for some healthcare settings and during some influenza seasons. Over 6 seasons, VE estimates ranged between 36% (95%CI, 27-44%) in 2010-11 and 5% (95%CI, -2, 11%) in 2014-15. VE estimates were similar under a range of conditions, but were consistently higher when accounting for misclassification of vaccination status through a quantitative sensitivity analysis. VE estimates from the FOREVER Cohort were comparable to those from other studies. CONCLUSIONS: Routinely collected laboratory and health administrative data contained in the FOREVER Cohort can be used to estimate influenza VE in community-dwelling older 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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».