MétaCan
Menu
Retour à la cohorte
Enregistrement W3029198179 · doi:10.2196/17242

An Online Influenza Surveillance System for Primary Care Workers in Switzerland: Observational Prospective Pilot Study

2020· article· en· W3029198179 sur OpenAlexvenueno aff
Sébastien Martin, Muriel Maeder, Ana Rita Gonçalves, Baptiste Pedrazzini, Jean Perdrix, Carine Rochat, Nicolas Senn, Yolanda Mueller

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineObservational studyContext (archaeology)EpidemiologyTransmission (telecommunications)PandemicFamily medicineAttack rateEmergency medicineMedical emergencyPediatricsDiseaseInfectious disease (medical specialty)Internal medicineCoronavirus disease 2019 (COVID-19)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A better understanding of the influenza epidemiology among primary care workers could guide future recommendations to prevent transmission in primary care practices. Therefore, we designed a pilot study to assess the feasibility of using a work-based online influenza surveillance system among primary care workers. Such an approach is of particular relevance in the context of the coronavirus disease (COVID-19) pandemic, as its findings could apply to other infectious diseases with similar mechanisms of transmission. OBJECTIVE: This study aims to determine the feasibility of using a work-based online influenza surveillance system for primary care workers in Switzerland. METHODS: Physicians and staff of one walk-in clinic and two selected primary care practices were enrolled in this observational prospective pilot study during the 2017-2018 influenza season. They were invited to record symptoms of influenza-like illness in a weekly online survey sent by email and to self-collect a nasopharyngeal swab in case any symptoms were recorded. Samples were tested by real-time polymerase chain reaction for influenza A, influenza B, and a panel of respiratory pathogens. RESULTS: Among 67 eligible staff members, 58% (n=39) consented to the study and 53% (n=36) provided data. From the time all participants were included, the weekly survey response rate stayed close to 100% until the end of the study. Of 79 symptomatic episodes (mean 2.2 episodes per participant), 10 episodes in 7 participants fitted the definition of an influenza-like illness case (attack rate: 7/36, 19%). One swab tested positive for influenza A H1N1 (attack rate: 3%, 95% CI 0%-18%). Swabbing was considered relatively easy. CONCLUSIONS: A work-based online influenza surveillance system is feasible for use among primary care workers. This promising methodology could be broadly used in future studies to improve the understanding of influenza epidemiology and other diseases such as COVID-19. This could prove to be highly useful in primary care settings and guide future recommendations to prevent transmission. A larger study will also help to assess asymptomatic infections.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,014
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,100
Tête enseignante GPT0,352
Écart entre enseignants0,252 · 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.

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

Citations3
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

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