Variations in Seasonal Influenza Vaccine Effectiveness due to Study Characteristics: A Systematic Review and Meta-analysis of Test-Negative Design Studies
Notice bibliographique
Résumé
BACKGROUND: Study characteristics influence vaccine effectiveness (VE) estimation. We examined the influence of some of these on seasonal influenza VE estimates from test-negative design (TND) studies. METHODS: We systematically searched bibliographic databases and websites for full-text publications of TND studies on VE against laboratory-confirmed seasonal influenza in outpatients after the 2009 pandemic influenza. We followed the Cochrane Handbook for Systematic Reviews of Interventions guidelines. We examined influence of source of vaccination information, respiratory specimen swab time, and covariate adjustment on VE. We calculated pooled adjusted VE against H1N1 and H3N2 influenza subtypes, influenza B, and all influenza using an inverse-variance random-effects model. RESULTS: We included 70 full-text articles. Pooled VE against H1N1 and H3N2 influenza subtypes, influenza B, and all influenza was higher for studies that used self-reported vaccination than for those that used medical records. Pooled VE was higher with respiratory specimen collection within ≤7 days vs ≤4 days of symptom onset, but the opposite was observed for H1N1. Pooled VE was higher for studies that adjusted for age but not for medical conditions compared with those that adjusted for both. There was, however, a lack of statistical significance in almost all differences in pooled VE between compared groups. CONCLUSIONS: The available evidence is not strong enough to conclude that influenza VE from TND studies varies by source of vaccination information, respiratory specimen swab time, or adjustment for age/medical conditions. The evidence is, however, indicative that these factors ought to be considered while designing or evaluating TND studies of influenza VE.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,022 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».