Out of focus but still relevant? Influenza-related resource utilization and vaccination coverage gaps in adults below 60 years of age with underlying conditions: an analysis of 2016–2024 real-world data in Germany
Notice bibliographique
Résumé
BACKGROUND: In 2003, the WHO aimed for a 75% or higher influenza vaccination rate among at-risk populations. However, this target was achieved in a few groups during selected seasons in some European countries, and never in Germany. Adults with underlying conditions (UCs) are a critical negleted group for influenza vaccination. This study aimed to identify data gaps in influenza burden and vaccination coverage among adults under 60 with UCs in Germany and bridge these gaps using real-world data. MATERIAL AND METHODS: We conducted systematic research and analyses using German administrative and claims databases from June 2016 to April 2024. We report on epidemiology, direct care costs, indirect costs from work incapacity, vaccination coverage rates, and describe data gaps. RESULTS: Influenza data for high-risk populations are limited. Comprehensive data on influenza epidemiology and vaccination coverage rates (VCR) is available, though with a delay in data availability. Before and after the pandemic, individuals aged 50-59 had the highest rates of influenza-related hospitalization and ICU admission compared to younger age groups. Across all age groups and seasons, individuals with UC experienced higher rates of medically attended influenza cases, hospitalizations, and healthcare costs, with those aged 35-59 being particularly vulnerable. Vaccine coverage was higher in adults aged 35-59 compared to those aged 18-24, and in females compared to males. LIMITATIONS: Discrepancies of vaccination status, limited data availability, and variations among the extent of UCs. CONCLUSION: In Germany, recent policy measures have mainly targeted those aged 60 and above. While this elderly population experiences the highest disease-related impact, influenza can also lead to substantial healthcare resource utilization (HCRU) and costs in younger populations with chronic UCs; Facilitating vaccination access for this group, such as through pharmacies, is essential. Definition of quantifiable vaccination targets and measures to increase vaccination rates based on these targets are required.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,003 |
| Bibliométrie | 0,004 | 0,007 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».