MétaCan
Menu
Retour à la cohorte
Enregistrement W3169667882 · doi:10.1016/j.vaccine.2021.05.086

Global diarrhoea-associated mortality estimates and models in children: Recommendations for dataset and study selection

2021· article· en· W3169667882 sur OpenAlexaboutno aff
Egle Butkeviciute, H Prudden, Mark Jit, Peter G. Smith, Gagandeep Kang, Mark S. Riddle, Benjamin A. Lopman, Virginia E. Pitzer, Claudio F. Lanata, James A Platts-Mills, Robert F. Breiman, Birgitte Giersing, Mateusz Hasso-Agopsowicz

Notice bibliographique

RevueVaccine · 2021
Typearticle
Langueen
DomaineNursing
ThématiqueChild Nutrition and Water Access
Établissements canadiensnon disponible
Organismes subventionnairesWorld Health OrganizationMedical Research CouncilBill and Melinda Gates Foundation
Mots-clésContext (archaeology)EstimationEpidemiologyMedicineMortality rateEnvironmental healthPublic healthData qualityDemographyStatisticsGeographyMathematics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Multiple factors contribute to variation in disease burden, including the type and quality of data, and inherent properties of the models used. Understanding how these factors affect mortality estimates is crucial, especially in the context of public health decision making. We examine how the quality of the studies selected to provide mortality data, influence estimates of burden and provide recommendations about the inclusion of studies and datasets to calculate mortality estimates. METHODS: To determine how mortality estimates are affected by the data used to generate model outputs, we compared the studies used by The Institute of Health Metrics and Evaluation (IHME) and Maternal and Child Epidemiology Estimation (MCEE) modelling groups to generate enterotoxigenic Escherichia coli (ETEC) and Shigella-associated mortality estimates for 2016. Guided by an expert WHO Working Group, we applied a modified Newcastle-Ottawa Scale (NOS) to evaluate the quality of studies used by both modelling groups. RESULTS: IHME and MCEE used different sets of ETEC and Shigella studies in their models and the majority of studies were high quality. The distribution of the NOS scores was similar between the two modelling groups. We observed an overrepresentation of studies from some countries in SEAR, AFR and WPR compared to other WHO regions. CONCLUSION: We identified key differences in study inclusion and exclusion criteria used by IHME and MCEE and discuss their impact on datasets used to generate diarrhoea-associated mortality estimates. Based on these observations, we provide a set of recommendations for future estimates of mortality associated with enteric diseases.

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)0,298
score de la tête « metaresearch » (Gemma)0,602
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,298
Score d'incertitude au seuil0,866

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,2980,602
Méta-épidémiologie (sens strict)0,0030,003
Méta-épidémiologie (sens large)0,0050,014
Bibliométrie0,0140,015
Études des sciences et des technologies0,0010,002
Communication savante0,0070,009
Science ouverte0,0140,008
Intégrité de la recherche0,0100,008
Charge utile insuffisante (le modèle a refusé de juger)0,0270,011

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 Opus0,031
Tête enseignante GPT0,337
Écart entre enseignants0,306 · 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.

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

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetChild Nutrition and Water AccessTravaux en français237 207