Nirsevimab Effectiveness Against Medically Attended Respiratory Syncytial Virus Illness and Hospitalization Among Alaska Native Children — Yukon-Kuskokwim Delta Region, Alaska, October 2023–June 2024
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Respiratory syncytial virus (RSV) is a leading cause of hospitalization among young children. Historically, American Indian and Alaska Native (AI/AN) children have experienced high rates of RSV-associated hospitalization. In August 2023, a preventive monoclonal antibody (nirsevimab) was recommended for all infants aged <8 months (born during or entering their first RSV season) and for children aged 8-19 months (entering their second RSV season) who have increased risk for severe RSV illness, including all AI/AN children. This evaluation in Alaska's Yukon-Kuskokwim Delta region estimated nirsevimab effectiveness among AI/AN children in their first or second RSV seasons during 2023-2024. Among 472 children with medically attended acute respiratory illness (ARI), 48% overall had received nirsevimab ≥7 days earlier (median = 91 days before the ARI-related visit). For children in their first RSV season (292), nirsevimab effectiveness was 76% (95% CI = 42%-90%) against medically attended RSV illness and 89% (95% CI = 32%-98%) against RSV hospitalization. For children in their second RSV season (180), effectiveness against medically attended RSV illness was 88% (95% CI = 48%-97%). Nirsevimab is effective for preventing severe RSV illness among infants entering their first RSV season and children entering their second season with increased risk for severe RSV, including all AI/AN children.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle