Media Reports as a Source for Monitoring Impact of Influenza on Hospital Care
Notice bibliographique
Résumé
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 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 | 0,009 | 0,048 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,029 | 0,015 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».