Correlation of long-term care facility vaccination practices between seasons and resident types
Notice bibliographique
Résumé
BACKGROUND: Influenza vaccination varies widely across long-term care facilities (LTCFs) due to staff behaviors, LTCF practices, and patient factors. It is unclear how seasonal LTCF vaccination varies between cohabitating but distinct short-stay and long-stay residents. Thus, we assessed the correlation of LTCF vaccination between these populations and across seasons. METHODS: in 2013-2014 (3,042,881 residents; 15,683 LTCFs) and 2014-2015 (3,143,174, residents; 15,667 LTCFs). MDS-assessed influenza vaccination was the outcome. Pearson correlation coefficients were estimated to assess seasonal correlations between short-stay and long-stay resident vaccination within LTCFs. RESULTS: The median proportion of short-stay residents vaccinated across LTCFs was 70.4% (IQR, 50.0-82.7%) in 2013-2014 and 69.6% (IQR, 50.0-81.6%) in 2014-2015. The median proportion of long-stay residents vaccinated across LTCFs was 85.5% (IQR, 78.0-90.9%) in 2013-2014 and 84.6% (IQR, 76.6-90.3%) in 2014-2015. Within LTCFs, there was a moderate correlation between short-stay and long-stay vaccination in 2013-2014 (r = 0.50, 95%CI: 0.49-0.51) and 2014-2015 (r = 0.53, 95%CI: 0.51-0.54). Across seasons, there was a moderate correlation for LTCFs with short-stay residents (r = 0.54, 95%CI: 0.53-0.55) and a strong correlation for those with long-stay residents (r = 0.68, 95%CI: 0.67-0.69). CONCLUSIONS: In LTCFs with inconsistent influenza vaccination across seasons or between populations, targeted vaccination protocols for all residents, regardless of stay type, may improve successful vaccination in this vulnerable patient population.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».