Active surveillance of acute paediatric hospitalisations demonstrates the impact of vaccination programmes and informs vaccine policy in Canada and Australia
Notice bibliographique
Résumé
Sentinel surveillance of acute hospitalisations in response to infectious disease emergencies such as the 2009 influenza A(H1N1)pdm09 pandemic is well described, but recognition of its potential to supplement routine public health surveillance and provide scalability for emergency responses has been limited. We summarise the achievements of two national paediatric hospital surveillance networks relevant to vaccine programmes and emerging infectious diseases in Canada (Canadian Immunization Monitoring Program Active; IMPACT from 1991) and Australia (Paediatric Active Enhanced Disease Surveillance; PAEDS from 2007) and discuss opportunities and challenges in applying their model to other contexts. Both networks were established to enhance capacity to measure vaccine preventable disease burden, vaccine programme impact, and safety, with their scope occasionally being increased with emerging infectious diseases' surveillance. Their active surveillance has increased data accuracy and utility for syndromic conditions (e.g. encephalitis), pathogen-specific diseases (e.g. pertussis, rotavirus, influenza), and adverse events following immunisation (e.g. febrile seizure), enabled correlation of biological specimens with clinical context and supported responses to emerging infections (e.g. pandemic influenza, parechovirus, COVID-19). The demonstrated long-term value of continuous, rather than incident-related, operation of these networks in strengthening routine surveillance, bridging research gaps, and providing scalable public health response, supports their applicability to other countries.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 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 ».