MétaCan
Menu
Retour à la cohorte
Enregistrement W3022066556 · doi:10.1371/currents.rrn1127

Optimizing Tactics for use of the U.S. Antiviral Strategic National Stockpile for Pandemic (H1N1) Influenza, 2009

2009· article· en· W3022066556 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevuePLoS Currents · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensBC Centre for Disease Control
Organismes subventionnairesnon disponible
Mots-clésStockpilePandemicH1n1 pandemicPublic healthSocial distanceDistribution (mathematics)Environmental healthMedicineBusinessCoronavirus disease 2019 (COVID-19)Operations researchDiseaseInfectious disease (medical specialty)Political scienceEngineeringNursing

Résumé

récupéré en direct d'OpenAlex

Public health agencies across the globe are working to mitigate the impact of the 2009 pandemic caused by swine-origin influenza A (H1N1) virus. Prior to the large-scale distribution of an effective vaccine, the primary modes of control have included careful surveillance, social distancing and hygiene measures, strategic school closures, other community measures, and the prudent use of antiviral medications to prevent infection (prophylaxis) or reduce the severity and duration of symptoms (treatment). Here, we use mathematical models to determine the optimal geo-temporal tactics for distributing the U.S. strategic national stockpile of antivirals for treatment of infected cases during the early stages of a pandemic, prior to the wide availability of vaccines.We present a versatile optimization method for efficiently searching large sets of public health intervention strategies, and apply it to evaluating tactics for distributing antiviral medications from the U.S. Strategic National Stockpile (SNS). We implemented the algorithm on a network model of H1N1 transmission within and among U.S. cities to project the epidemiological impacts of antiviral stockpile distribution schedules and priorities. The resulting optimized strategies critically depend on the rates of antiviral uptake and wastage (through misallocation or loss). And while a surprisingly simple pro rata distribution schedule is competitive with the optimized strategies across a wide range of uptake and wastage, other equally simple policies perform poorly.Even as vaccination campaigns get underway worldwide, antiviral medications continue to play a critical in reducing H1N1-associated morbidity and mortality. If efforts are made to increase the fraction of cases treated promptly with antivirals above current levels, our model suggests that optimal use of the antiviral component of the Strategic National Stockpile may appreciably slow the transmission of H1N1 during fall 2009, thereby improving the impact of targeted vaccination. A more aggressive optimized antiviral strategy of this type may prove critical to mitigating future flu pandemics, but may increase the risk of antiviral resistance.

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.

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)0,000
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 enseignants0,239
Score d'incertitude au seuil0,482

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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 Opus0,374
Tête enseignante GPT0,442
Écart entre enseignants0,068 · 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