A scoping review of active, participant-centred, digital adverse events following immunization (AEFI) surveillance: A Canadian immunization research network study
Notice bibliographique
Résumé
BACKGROUND: Post-licensure adverse events following immunization (AEFI) surveillance is conducted to monitor vaccine safety, such as identifying batch/brand issues and rare reactions, which consequently improves community confidence. The integration of technology has been proposed to improve AEFI surveillance, however, there is an absence of description regarding which digital solutions are successfully being used and their unique characteristics. OBJECTIVES: The objectives of this scoping review were to 1) map the research landscape on digital systems used for active, participant-centred, AEFI surveillance and 2) describe their core components. METHODS: We conducted a scoping review informed by the PRISMA Extension for Scoping Reviews (PRSIMA-ScR) guideline. OVID-Medline, Embase Classic + Embase, and Medrxiv were searched by a medical librarian from January 1, 2000 to January 28th, 2021. Two independent reviewers determined which studies met inclusion based on pre-specified eligibility criteria. Data extraction was conducted using pre-made tables with specific variables by one investigator and verified by a second. RESULTS: Twenty-seven publications met inclusion, the majority of which came from Australia (n = 15) and Canada (n = 6). The most studied active, participant-centred, digital AEFI surveillance systems were SmartVax (n = 8) (Australia), Vaxtracker (n = 7) (Australia), and Canadian National Vaccine Safety (CANVAS) Network (Canada) (n = 6). The two most common methods of communicating with vaccinees reported were short-message-service (SMS) (n = 15) and e-mail (n = 14), with online questionnaires being the primary method of data collection (n = 20). CONCLUSION: Active, participant-centred, digital AEFI surveillance is an area actively being researched as depicted by the literature landscape mapped by this scoping reviewWe hypothesize that the AEFI surveillance approach herein described could become a primary method of collecting self-reported subjective symptoms and reactogenicity from vaccinees, complementing existing systems. Future evaluation of identified digital solutions is necessary to bring about improvements to current vaccine surveillance systems to meet contemporary and future public health needs.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 tête enseignante, 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 ».