MétaCan
Menu
Retour à la cohorte
Enregistrement W3158724288 · doi:10.2147/cia.s295522

Considering Frailty in SARS-CoV-2 Vaccine Development: How Geriatricians Can Assist

2021· review· en· W3158724288 sur OpenAlexafffund
Melissa K. Andrew, Kenneth E. Schmader, Kenneth Rockwood, Barry Clarke, Janet E. McElhaney

Notice bibliographique

RevueClinical Interventions in Aging · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueLong-Term Effects of COVID-19
Établissements canadiensHealth Sciences NorthDalhousie University
Organismes subventionnairesCanadian Institutes of Health ResearchNational Institute on AgingConsortium canadien en neurodégénérescence associée au vieillissement
Mots-clésMedicinePandemicVaccinationVulnerability (computing)GerontologyPopulationClinical trialCoronavirus disease 2019 (COVID-19)Health careMEDLINEGeriatricsDiseaseEnvironmental healthInfectious disease (medical specialty)Immunology

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has disproportionately impacted frail older adults, especially residents of long-term care (LTC) facilities. This has appropriately led to prioritization of frail older adults and LTC residents, and those who care for them, in the vaccination effort against COVID-19. Older adults have distinct immunological, clinical, and practical complexity, which can be understood through a lens of frailty. Even so, frailty has not been considered in studies of COVID-19 vaccines to date, leading to concerns that the vaccines have not been optimally tailored for and evaluated in this population even as vaccination programs are being implemented. This is an example of how vaccines are often not tested in Phase 1/2/3 clinical trials in the people most in need of protection. We argue that geriatricians, as frailty specialists, have much to contribute to the development, testing and implementation of COVID-19 vaccines in older adults. We discuss roles for geriatricians in ten stages of the vaccine development process, covering vaccine design, trial design, trial recruitment, establishment and interpretation of illness definitions, safety monitoring, consideration of relevant health measures such as frailty and function, analysis methods to account for frailty and differential vulnerability, contributions in regulatory and advisory roles, post-marketing surveillance, and program implementation and public health messaging. In presenting key recommendations pertinent to each stage, we hope to contribute to a dialogue on how to push the field of vaccinology to embrace the complexity of frailty. Making vaccines that can benefit frail older adults will benefit everyone in the fight against COVID-19.

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)0,063
score de la tête « metaresearch » (Gemma)0,138
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,063
Score d'incertitude au seuil0,332

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0630,138
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0050,006
Communication savante0,0130,017
Science ouverte0,0030,014
Intégrité de la recherche0,0160,021
Charge utile insuffisante (le modèle a refusé de juger)0,0080,003

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 Opus0,281
Tête enseignante GPT0,515
Écart entre enseignants0,233 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations29
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical Interventions in AgingMême sujetLong-Term Effects of COVID-19Travaux en français237 207