MétaCan
Menu
Retour à la cohorte
Enregistrement W2981181520 · doi:10.2196/14627

Media Reports as a Source for Monitoring Impact of Influenza on Hospital Care

2019· article· en· W2981181520 sur OpenAlexvenueno aff
Daphne F. M. Reukers, Sierk Marbus, Hella Smit, Peter M. Schneeberger, Gé Donker, Wim van der Hoek, Arianne B. van Gageldonk‐Lafeber

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInfluenza seasonMedical emergencySeasonal influenzaPandemicHealth careEnvironmental healthEmergency medicineCoronavirus disease 2019 (COVID-19)Influenza vaccineVaccinationInternal medicineDiseaseInfectious disease (medical specialty)Virology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The Netherlands, like most European countries, has a robust influenza surveillance system in primary care. However, there is a lack of real-time nationally representative data on hospital admissions for complications of influenza. Anecdotal information about hospital capacity problems during influenza epidemics can, therefore, not be substantiated. OBJECTIVE: The aim of this study was to assess whether media reports could provide relevant information for estimating the impact of influenza on hospital capacity, in the absence of hospital surveillance data. METHODS: Dutch news articles on influenza in hospitals during the influenza season (week 40 of 2017 until week 20 of 2018) were searched in a Web-based media monitoring program (Coosto). Trends in the number of weekly articles were compared with trends in 5 different influenza surveillance systems. A content analysis was performed on a selection of news articles, and information on the hospital, department, problem, and preventive or response measures was collected. RESULTS: The trend in weekly news articles correlated significantly with the trends in all 5 surveillance systems, including severe acute respiratory infections (SARI) surveillance. However, the peak in all 5 surveillance systems preceded the peak in news articles. Content analysis showed hospitals (N=69) had major capacity problems (46/69, 67%), resulting in admission stops (9/46, 20%), postponement of nonurgent surgical procedures (29/46, 63%), or both (8/46, 17%). Only few hospitals reported the use of point-of-care testing (5/69, 7%) or a separate influenza ward (3/69, 4%) to accelerate clinical management, but most resorted to ad hoc crisis management (34/69, 49%). CONCLUSIONS: Media reports showed that the 2017/2018 influenza epidemic caused serious problems in hospitals throughout the country. However, because of the time lag in media reporting, it is not a suitable alternative for near real-time SARI surveillance. A robust SARI surveillance program is important to inform decision making.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,071
Score d'incertitude au seuil0,840

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,352
Écart entre enseignants0,330 · 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 tête enseignante, 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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetData-Driven Disease SurveillanceTravaux en français237 207