MétaCan
Menu
Retour à la cohorte
Enregistrement W3118447652 · doi:10.1093/ofid/ofaa515.1899

LB-2. Relative Effectiveness of aIIV3 versus IIV4 and HD-IIV3 In Preventing Influenza-Related Medical Encounters in Adults ≥65 Years of Age at High Risk for Influenza Complications During the U.S. 2017–2018 and 2018–2019 Influenza Seasons

2020· article· en· W3118447652 sur OpenAlexaff
Lauren Fischer, Dan O’Brien, Joseph Vasey, Gregg C. Sylvester, James A. Mansi

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensMerck Canada Inc. (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineVaccinationInfluenza vaccineOdds ratioInternal medicineMedical recordConfidence intervalPediatricsImmunology

Résumé

récupéré en direct d'OpenAlex

Abstract Background Individuals with health conditions have shown higher rates of influenza-related morbidity and mortality compared to healthy individuals and are often prioritized for influenza vaccination. However, vaccination with egg-derived standard quadrivalent inactivated influenza vaccines (IIV4) has shown to be less effective in adults ≥65 years of age largely due to immunosenecence. Two enhanced vaccines, the MF59®-adjuvanted trivalent inactivated influenza vaccine (aIIV3) and a high-dose trivalent inactivated influenza vaccine (HD-IIV3), were developed to provide adults ≥65 years with increased protection. The objective of this study was to determine the relative vaccine effectiveness (rVE) of aIIV3 versus IIV4 and HD-IIV3 in preventing influenza-related medical encounters in high-risk adults ≥65 years. Methods A retrospective cohort study was conducted among adults ≥65 years with ≥1 health condition with a record of receiving either aIIV3, IIV4 or HD-IIV3 in the 2017–18 or 2018–19 influenza seasons. Patient-level electronic medical records linked to pharmacy and medical claims were used to ascertain exposure, outcome and covariate information. The primary outcome was influenza-related medical encounters in primary care and hospital (ICD-10 codes J09*–J11*). Inverse probability of treatment weighting was used to obtain odds ratios (ORs) adjusted for age, sex, race, ethnicity, geographic region, comorbidities and week of vaccination for each health condition. rVE was determined using the formula (1-OR)*100 and reported with 95% confidence intervals (CI). Results Overall, 1,755,420 individuals with ≥1 health condition were included for analysis in the 2017–18 season and 2,055,012 individuals in the 2018–19 season. In both seasons, high-risk subjects who received aIIV3 had statistically significantly greater reduction in influenza-related medical encounters as compared to IIV4 (Table 1). Non-statistically significant estimates preclude definitive conclusions for comparisons with HD-IIV3. Table 1. Adjusted relative vaccine effectiveness (rVE) of aIIV3 versus comparators in high-risk patients in the 2017–2018 and 2018–2019 influenza seasons in the U.S. Conclusion The results of this study support the use of aIIV3 in adults ≥65 years of age at high risk for influenza complications and provides further evidence supporting aIIV3 as an effective public health measure against influenza. Disclosures Lauren Fischer, M.A., Seqirus (Consultant) Dan O'Brien, BA, Seqirus (Consultant) Joseph Vasey, PhD, Seqirus (Consultant) Gregg C. Sylvester, MD, Seqirus (Employee) James A. Mansi, PhD, Seqirus (Employee)

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)0,008
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,004
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,033
Tête enseignante GPT0,354
Écart entre enseignants0,321 · 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'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

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207