MétaCan
Menu
Retour à la cohorte
Enregistrement W4386391615 · doi:10.1016/j.vaccine.2023.08.067

Factors associated with intention for revaccination among patients with adverse events following immunization

2023· article· en· W4386391615 sur OpenAlexaffabout
Caroline E. Muñoz, Anne Pham‐Huy, Jeffrey M. Pernica, François D. Boucher, Gaston De Serres, Wendy Vaudry, Cora Constantinescu, Manish Sadarangani, Julie A. Bettinger, Bruce Tapiéro, Shaun K. Morris, Athena McConnell, Francisco Noya, Scott A. Halperin, Karina A. Top

Notice bibliographique

RevueVaccine · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensSickKids FoundationMontreal Children's HospitalUniversity of TorontoUniversity of SaskatchewanHospital for Sick ChildrenUniversité de MontréalUniversity of British ColumbiaAlberta Children's HospitalStollery Children's HospitalUniversity of AlbertaBC Children's HospitalUniversité LavalMcMaster UniversityUniversity of CalgaryChildren's Hospital of Eastern OntarioMcGill University Health CentreUniversity of OttawaNova Scotia Health AuthorityCentre Hospitalier Universitaire Sainte-JustineDalhousie University
Organismes subventionnairesnon disponible
Mots-clésMedicineAdverse effectImmunizationLogistic regressionObservational studyOdds ratioVaccinationPediatricsInternal medicineImmunologyAntibody

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Individuals and healthcare providers may be uncertain about the safety of revaccination after an adverse event following immunization (AEFI). We identified factors associated with physician recommendation for revaccination and participant intention to be revaccinated among patients with adverse events following immunization (AEFIs) assessed in the Canadian Special Immunization Clinic (SIC) Network from 2013 to 2019. METHODS: This prospective observational study included patients assessed in the Canadian Special Immunization Clinic Network from 2013 to 2019 for an AEFI who required additional doses of the vaccine temporally associated with their AEFI. Participants underwent standardized assessment and data collection. Physician recommendations regarding revaccination and participant intent for revaccination were recorded. AEFI impact on daily activities and need for medical attention was captured as low, moderate, high impact and serious (e.g., requiring hospitalization). Multivariable logistic regression analysis identified factors associated with physician recommendation and participant intention for revaccination, controlling for province of assessment. RESULTS: Physician recommendation was significantly associated with the type of AEFI and AEFI impact. Compared to large local reaction, physician recommendation for revaccination was reduced for immediate hypersensitivity (aOR: 0.24 [95% CI: 0.08-0.76]) and new onset autoimmune disease (aOR: 0.16; 95% CI: 0.04-0.69). Compared to low impact AEFIs, physician recommendation was reduced for moderate (aOR: 0.22 [95% CI: 0.07-0.65]), high impact (aOR: 0.08 [95% CI: 0.02-0.30]), and serious AEFIs (aOR: 0.11 [95% CI: 0.03-0.37]). Participant intention for revaccination was significantly associated with AEFI impact, with reduced odds for high versus low impact AEFIs (aOR: 0.12 [95% CI: 0.04-0.42]). CONCLUSION: Physicians appear to use AEFI type and impact to guide recommendations while patients use primarily AEFI impact to form intentions for revaccination. The findings may help inform counselling for patients with AEFIs.

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)0,002
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,137
Score d'incertitude au seuil0,272

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,024
Tête enseignante GPT0,274
Écart entre enseignants0,250 · 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'étudeObservationnel
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetVaccine Coverage and HesitancyTravaux en français237 207