MétaCan
Menu
← Retour à la cohorte
Enregistrement W3011812601

Mathematical modelling to inform the national seasonal influenza vaccination policy: findings from our study

2019· article· en· W3011812601 sur OpenAlexaff
George Milne, Joel Kelso, Simon Xie, Sheena G. Sullivan, Vivian Leung, Hannah C. Moore, Rose Barnes, Tom Snelling, Jessica Y. Wong, Benjamin J. Cowling

Notice bibliographique

RevueUWA Profiles and Research Repository (University of Western Australia) · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensCentre for Global Health Research
Organismes subventionnairesnon disponible
Mots-clésSeasonal influenzaVaccinationEnvironmental healthMedicinePolitical scienceVirologyCoronavirus disease 2019 (COVID-19)DiseaseInfectious disease (medical specialty)
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In 2017 the Commonwealth Department of Health commissioned a consortia from the WHO Influenza Centre Melbourne, Telethon Kids Institute, University of Hong Kong and the University of Western Australia to (1) determine the influenza health burden in Australia and (2) using mathematical modelling, determine the effectiveness of alternative vaccination strategies which may significantly reduce the burden. The Phase 1 epi study used data from most states and territories averaged over 10 years (2007 to 2016), giving the relationship between case numbers and hospitalisation and mortality rates. This phase also determined current vaccination coverage by age class, giving a baseline vaccination scenario. The modelling study involved developing individual-based (c.f. agent based) models for Albany, Newcastle and Cairns, with an overall population of ~400,000, following methods developed previously at UWA. The models were applied separately to determine the effectiveness of potential changes to Australia's current influenza vaccination "profile". These included increased vaccination coverage to at-risk groups, to school-age children, use of enhanced vaccines to those aged 65 and above, and LAIV replacing QIV for those aged 3 to 17 years; a total of 60 scenarios were evaluated. These results were then scaled to an Australian population of ~24. 7 million. The effectiveness of each alternative vaccination strategy was determined by the reduction in health burden, between the current vaccination baseline and the new strategy. As we model each individual in each of the 3 communities, we also determined the direct vs indirect protection afforded by vaccination, the herd immunity effect. This talk will present the key study results.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,035
Score d'incertitude au seuil0,070

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,025
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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.

Tête enseignante Opus0,228
Tête enseignante GPT0,432
Écart entre enseignants0,204 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueUWA Profiles and Research Repository (University of Western Australia)→Même sujetInfluenza Virus Research Studies→Travaux en français237 207→