Influenza surveillance systems using traditional and alternative sources of data: A scoping review
Notice bibliographique
Résumé
OBJECTIVE: While the World Health Organization's recommendation of syndromic sentinel surveillance for influenza is an efficient method to collect high-quality data, limitations exist. Aligned with the Research Recommendation 1.1.2 of the WHO Public Health Research Agenda for Influenza-to identify reliable complementary influenza surveillance systems which provide real-time estimates of influenza activity-we performed a scoping review to map the extent and nature of published literature on the use of non-traditional sources of syndromic surveillance data for influenza. METHODS: We searched three electronic databases (PubMed, Web of Science, and Scopus) for articles in English, French, and Spanish, published between January 1 2007 and January 28 2022. Studies were included if they directly compared at least one non-traditional with a traditional influenza surveillance system in terms of correlation in activity or timeliness. FINDINGS: We retrieved 823 articles of which 57 were included for analysis. Fifteen articles considered electronic health records (EHR), 11 participatory surveillance, 10 online searches and webpage traffic, seven Twitter, five absenteeism, four telephone health lines, three medication sales, two media reporting, and five looked at other miscellaneous sources of data. Several articles considered more than one non-traditional surveillance method. CONCLUSION: We identified eight categories and a miscellaneous group of non-traditional influenza surveillance systems with varying levels of evidence on timeliness and correlation to traditional surveillance systems. Analyses of EHR and participatory surveillance systems appeared to have the most agreement on timeliness and correlation to traditional systems. Studies suggested non-traditional surveillance systems as complements rather than replacements to traditional systems.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».