Influenza Vaccine Effectiveness Among Patients With Cancer: A Population-Based Study Using Health Administrative and Laboratory Testing Data From Ontario, Canada
Notice bibliographique
Résumé
PURPOSE Seasonal influenza vaccination is recommended for patients with cancer despite concerns of disease or treatment-associated immunosuppression. The objective of this study was to evaluate vaccine effectiveness (VE) against laboratory-confirmed influenza for patients with cancer. PATIENTS AND METHODS We conducted an observational test-negative design study of previously diagnosed patients with cancer 18 years of age and older who underwent influenza testing during the 2010-2011 to 2015-2016 influenza seasons in Ontario, Canada. We linked individual-level cancer registry, respiratory virus testing, and health administrative data to identify the study population and outcomes. Vaccination status was determined from physician and pharmacist billing claims. We used multivariable logistic regression to estimate VE, adjusting for age, sex, rurality, income quintile, cancer characteristics, chemotherapy exposure, comorbidities, previous health care use, influenza season, and calendar time. RESULTS We identified 26,463 patients with cancer who underwent influenza testing, with 4,320 test-positive cases (16%) and 11,783 (45%) vaccinated. Mean age was 70 years, 52% were male, mean time since diagnosis was 6 years, 69% had solid tumor malignancies, and 23% received active chemotherapy. VE against laboratory-confirmed influenza was 21% (95% CI, 15% to 26%), and VE against laboratory-confirmed influenza hospitalization was 20% (95% CI, 13% to 26%). For patients with solid tumor malignancies, VE was 25% (95% CI, 18% to 31%), compared with 8% (95% CI, –5% to 19%) for patients with hematologic malignancies ( P = .015). Active chemotherapy usage did not significantly affect VE, especially among patients with solid tumor cancer. CONCLUSION Our results support recommendations for influenza vaccination for patients with cancer. VE was decreased for patients with hematologic malignancies, and there was no significant difference in VE among patients with solid tumor cancer receiving active chemotherapy. Strategies to optimize influenza prevention among patients with cancer are warranted.
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 | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».