Determinants of Influenza Mortality Trends: Age-Period-Cohort Analysis of Influenza Mortality in the United States, 1959–2016
Notice bibliographique
Résumé
This study examines the roles of age, period, and cohort in influenza mortality trends over the years 1959-2016 in the United States. First, we use Lexis surfaces based on Serfling models to highlight influenza mortality patterns as well as to identify lingering effects of early-life exposure to specific influenza virus subtypes (e.g., H1N1, H3N2). Second, we use age-period-cohort (APC) methods to explore APC linear trends and identify changes in the slope of these trends (contrasts). Our analyses reveal a series of breakpoints where the magnitude and direction of birth cohort trends significantly change, mostly corresponding to years in which important antigenic drifts or shifts took place (i.e., 1947, 1957, 1968, and 1978). Whereas child, youth, and adult influenza mortality appear to be influenced by a combination of cohort- and period-specific factors, reflecting the interaction between the antigenic experience of the population and the evolution of the influenza virus itself, mortality patterns of the elderly appear to be molded by broader cohort factors. The latter would reflect the processes of physiological capital improvement in successive birth cohorts through secular changes in early-life conditions. Antigenic imprinting, cohort morbidity phenotype, and other mechanisms that can generate the observed cohort effects, including the baby boom, are discussed.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».