Could seasonal influenza vaccination influence COVID-19 risk?
Notice bibliographique
Résumé
Abstract Background With possible resurgence of the SARS-CoV-2 and low seasonal influenza virus circulation next winter, reviewing evidence on a possible interaction between influenza vaccination and COVID-19 risk is important. Objective To review studies on the effect of influenza vaccines on non-influenza respiratory disease (NIRD). Methods Using different search strategies, 18 relevant studies were identified and their strength, limitations and significance were assessed. Results Analysis of 4 RCT datasets did not suggest increased NIRD risk in recipients of live-attenuated vaccines (LAIV) and results of a cohort study suggested short-term protection consistent with the hypothesis of ‘trained immunity’. One RCT, four cohort studies and one test-negative case-control suggested increased NIRD risk in recipients of inactivated influenza vaccines (IIV), whereas five test-negative case-control studies did not show an increased risk associated with a specific viral pathogen. Cross-protection against COVID-19 was suggested in one cross-sectional study on IIV but major biases could not be excluded. Results of four recent ecological studies on COVID-19 were challenging to interpret. Conclusions Available data on LAIV are reassuring but not all those on IIV. A drastic reorientation of 2020–2021 influenza campaigns is probably not warranted but studies aiming to test COVID-19 risk modification among recipients of seasonal influenza vaccines should be planned and funded.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,045 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».