MétaCan
Menu
Retour à la cohorte
Enregistrement W4319057930 · doi:10.1016/j.kint.2023.01.009

Impact of study design on vaccine effectiveness estimates of 2 mRNA COVID-19 vaccine doses in patients with stage 5 chronic kidney disease

2023· article· en· W4319057930 sur OpenAlexaffabout
Kyla L. Naylor, Eric McArthur, Stephanie N. Dixon, Jeffrey C. Kwong, Doneal Thomas, Shabnam Balamchi, Peter G. Blake, Amit X. Garg, Mohammad Atiquzzaman, Michelle Hladunewich, Adeera Levin, Angie Yeung, Matthew J. Oliver

Notice bibliographique

RevueKidney International · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensSt. Paul's HospitalUniversity Health NetworkHealth Sciences CentreUniversity of British ColumbiaPublic Health OntarioWestern UniversityUniversity of TorontoLondon Health Sciences CentreSunnybrook Health Science CentreOntario Stroke NetworkLawson Health Research InstituteInstitute for Clinical Evaluative Sciences
Organismes subventionnairesnon disponible
Mots-clésMedicineObservational studyCoronavirus disease 2019 (COVID-19)Health careDiseasePopulationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)ImmunologyIntensive care medicineInternal medicineEnvironmental healthInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

In observational studies, the World Health Organization recommends the test-negative design (TND) to assess corona virus disease 2019 (COVID-19) vaccine effectiveness (VE), due its accuracy and efficiency.1 The TND is a variation of the case–control design that restricts the study population to individuals who are tested for severe acute respiratory syndrome corona virus 2 (SARS-CoV-2) and have symptoms consistent with COVID-19.2 Although this design helps reduce bias resulting from differences in healthcare-seeking behavior,1 a major barrier when using administrative healthcare data is the requirement for individuals who are tested for SARS-CoV-2 infection to fulfill a specific case definition (i.e., being symptomatic), which requires symptom data to be well recorded.

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)0,507
score de la tête « metaresearch » (Gemma)0,675
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Méthodes · Signal consensuel: Méthodes
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,493
Score d'incertitude au seuil0,608

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5070,675
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0080,028
Bibliométrie0,0020,005
Études des sciences et des technologies0,0030,004
Communication savante0,0060,007
Science ouverte0,0040,004
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,034
Tête enseignante GPT0,386
Écart entre enseignants0,351 · 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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeObservationnel
DomaineMéthodes
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
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueKidney InternationalMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207