MétaCan
Menu
← Retour à la cohorte
Enregistrement W3097102424 · doi:10.1371/journal.pone.0241549

Projecting influenza vaccine effectiveness: A simulation study

2020· article· en· W3097102424 sur OpenAlexafffund
Thomas N. Vilches, Affan Shoukat, Cláudia Pio Ferreira, Seyed M. Moghadas

Notice bibliographique

RevuePLoS ONE · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaMitacsFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésVaccinationImmunityVaccine efficacyAntigenic driftInfluenza vaccineMedicinePopulationImmunologyTransmission (telecommunications)Attack rateEpidemic modelDemographyBiologyVirologyInfluenza A virusImmune systemEnvironmental healthVirus

Résumé

récupéré en direct d'OpenAlex

The impact of influenza vaccination is largely measured by estimating vaccine effectiveness (VE), which vary in different seasons. Strain mutations and waning immunity present two key mechanisms affecting VE. We sought to quantify the relative effect of these mechanisms by projecting VE and the reduction of illness due to vaccination. We developed a stochastic age-structured agent-based simulation model of influenza transmission dynamics to encapsulate intraseason waning of immunity post-vaccination, and mutation-induced antigenic distance between circulating strains and vaccine strains. Parameterizing the model with published estimates, we projected the temporal and overall VE during an epidemic season, and estimated the reduction of infection for high (70%) and low (30%) vaccine efficacies to reflect the levels of vaccine-induced protection in randomized control trials. Both temporal and overall VE decreased as the attack rate increased, with lower median values for epidemics starting with strains that were antigenically more distant from vaccine strains. We observed a higher rate of temporal decline with considerably lower median values of the overall VE in the presence of intraseason waning of immunity compared with only the antigenic distance effect. The highest benefit of vaccination in preventing influenza infection was achieved at moderate attack rates in the range of 6%-15%. The results show that even when VE is relatively low in the population and almost negligible for older age groups (i.e., 50+ years), vaccination can still prevent significant illness in high-risk individuals; thereby reducing healthcare resource utilization and economic burden. Our study indicates that early vaccination remains an important strategy for alleviating the burden of seasonal influenza. Policy discussions on optimal timing of vaccination to reduce the effect of intraseason waning of immunity should be considered in the context of strain mutations within the epidemic course.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,008
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,321
Tête enseignante GPT0,420
Écart entre enseignants0,099 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations5
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetInfluenza Virus Research Studies→Travaux en français237 207→