Impact of Influenza Vaccination on All-Cause Mortality and Hospitalization for Pneumonia in Adults and the Elderly with Diabetes: A Meta-Analysis of Observational Studies
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.
Notice bibliographique
Résumé
Diabetes is a chronic condition that can be worsened by complications such as seasonal influenza virus infections. The aim of the present meta-analysis is the systematic retrieval and analysis of all available evidence on the effects of an influenza vaccine on diabetic patients. We conducted a systematic review and meta-analysis by searching MEDLINE, Embase and the Cochrane databases from inception until April 2019. We included all types of studies reporting on the effectiveness of influenza vaccination in adult and elderly patients with type 1 and type 2 diabetes. The Newcastle-Ottawa scale was used to assess risk of bias, the GRADE methodology was used to assess the evidence for each outcome. A total of 2261 studies were identified, of those, 6 studies completely fulfilled the inclusion criteria. In the 6 studies included in the analysis, influenza vaccination was associated with a lower mortality rate (Mantel Haenszel Odds Ratio (MH-OR), 95% CI: 0.54 (0.40; 0.74), p < 0.001). Patients who received influenza vaccination showed a lower risk of hospitalization for pneumonia (MH-OR, 95% CI: 0.89; (0.80; 0.98), p = 0.18). A sensitivity analysis using fixed effect model confirmed the results (MH-OR, 95% CI: 0.91; (0.87; 0.96); p = 0.001). The results of this meta-analysis are clinically relevant and support the recommendation for all persons with diabetes to receive influenza vaccination.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle