MétaCan
Menu
← Retour à la cohorte
Enregistrement W4311732310 · doi:10.1093/ofid/ofac492.180

102. Efficacy and Effectiveness of High-Dose Influenza Vaccine in Older Adults by Age and Seasonal Characteristics: An Updated Systematic Review and Meta-Analysis

2022· article· en· W4311732310 sur OpenAlexaff
Jason Lee, Gary Lam, Rolan Vaisman, Kevin J Yin, Bruce T. Seet, Matthew M. Loiacono, Sandrine Samson

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensSanofi (Canada)
Organismes subventionnairesnon disponible
Mots-clésMedicineMeta-analysisInfluenza vaccineInternal medicineEmergency departmentPneumoniaImmunologyVaccination

Résumé

récupéré en direct d'OpenAlex

Abstract Background High-dose influenza vaccine (HD-IIV) has been used extensively in older adults since its approval in 2009. Studies comparing HD-IIV to standard-dose influenza vaccines (SD-IIV) have demonstrated protection beyond influenza, including reduction of outcomes like cardiorespiratory and all-cause hospitalizations. This study is an update of previously-conducted reviews of the relative vaccine efficacy/effectiveness (rVE) of HD-IIV vs. SD-IIV in adults ≥65 years against influenza-associated outcomes from 2009-2020, with sub-analyses by seasonal and recipient characteristics. Methods An updated systematic review and meta-analysis was conducted for studies assessing the rVE of HD-IIV against probable/laboratory-confirmed influenza-like illness (ILI), emergency department (ED) and/or hospital admissions in adults ≥65 years. Results from individual seasons – stratified by outcome, subject characteristics, and influenza season, were meta-analyzed to estimate pooled rVEs of HD-IIV. Results 19 studies from 11 consecutive seasons with over 45 million HD-IIV or SD-IIV recipients were meta-analyzed. Overall, HD-IIV demonstrated improved protection vs. SD-IIV against ILI (rVE=14.3%, 95%CI:4.2-23.3%), HD-IIV was more effective at preventing hospital/ED visits due to influenza (rVE=10.4%, 95%CI:6.8-13.9%), and hospitalizations due to influenza (rVE=11.2%, 95%CI:7.4-14.8%), pneumonia (rVE=27.3%, 95%CI:15.3-37.6%); pneumonia and influenza (rVE=13.4%, 95%CI:7.3-19.2%); respiratory (rVE=14.3%, 95%CI:8.5-20.0%), cardiovascular (rVE=13.1%, 95%CI:10.5-15.7%), and cardiorespiratory events (rVE=17.9%, 95%CI:15.0-20.8%); and all-causes (rVE=8.4%, 95%CI:5.7-11.0%). Pooled rVEs were similar in sub-analyses by dominant strain, antigenic match, and study type/setting. While all adults 65+ benefited from the use of HD-IIV, age-stratified analyses of the rVE of HD-IIV suggested additional relative benefit with increasing age. Conclusion Evidence over 11 consecutive influenza seasons from both randomized and observational studies suggests HD-IIV was consistently more effective than SD-IIV at reducing influenza and associated serious outcomes irrespective of recipient age and characteristics of the influenza season. Disclosures Jason K. Lee, MS, MBiotech, Sanofi: Employee|Sanofi: Stocks/Bonds Gary K. Lam, PharmD, RPh, Sanofi: Employee Rolan Vaisman, PharmD, RPh, Sanofi: Employee Kevin J. Yin, MD, MPH, PhD, Sanofi: Employee|Sanofi: Stocks/Bonds Bruce T. Seet, PhD, MBA, Sanofi: Employee|Sanofi: Stocks/Bonds Matthew M. Loiacono, PhD, MSc, Sanofi: Employee|Sanofi: Stocks/Bonds Sandrine I. Samson, PhD, Sanofi: Employee|Sanofi: Stocks/Bonds.

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)0,012
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,063

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,027
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0180,046
Bibliométrie0,0070,006
Études des sciences et des technologies0,0010,001
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,351
Écart entre enseignants0,322 · 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'étudeMéta-analyse
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious Diseases→Même sujetInfluenza Virus Research Studies→Travaux en français237 207→