MétaCan
Menu
Retour à la cohorte
Enregistrement W4387114743 · doi:10.1111/ped.15623

Philippine immunization coverage and dengvaxia: An infodemiological study

2023· article· en· W4387114743 sur OpenAlexaff
Roland Dominic G. Jamora, Marie Abigail R. Lim, Adrian I. Espiritu

Notice bibliographique

RevuePediatrics International · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensUniversity of TorontoSt. Michael's Hospital
Organismes subventionnairesnon disponible
Mots-clésMedicineDengue vaccineImmunizationDengue feverDemographyEnvironmental healthVirologyDengue virusImmunology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: A dengue vaccine, dengvaxia, was licensed for the first time in 2015. It was approved for use in 11 countries where dengue infection is endemic, including the Philippines. In November 2017, controversy arose in the Philippines regarding the dengvaxia vaccine. We hypothesized that the dengvaxia controversy might be correlated with immunization coverage in the Philippines. METHODS: We performed an analytical and infodemiological study on web-based interest in dengvaxia, both globally and in 18 dengue endemic countries, from 2015 to 2020 using Google Trends™. Comparisons were made with search trends for the components of the National Immunization Program (NIP) and vaccine coverage by computing the Pearson product-moment correlation coefficient (r) between each variable. RESULTS: Among the 18 countries included, the Philippines had the highest search volume index for dengvaxia, with peaks in searches coinciding with that of worldwide search trends. There was no correlation between the relative search volume for dengvaxia with that of vaccines included in the NIP in the Philippines from 2015 to 2020. There was no significant correlation between web-based interest in dengvaxia and the estimated immunization coverage from 2015 to 2019. CONCLUSION: There was no significant correlation between web-based interest in dengvaxia, the vaccines in the NIP, and national immunization coverage.

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)0,001
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,014
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,031
Tête enseignante GPT0,349
Écart entre enseignants0,318 · 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'admission1
Résumé présentoui

Explorer davantage

Même revuePediatrics InternationalMême sujetData-Driven Disease SurveillanceTravaux en français237 207