MétaCan
Menu
Retour à la cohorte
Enregistrement W4406946410 · doi:10.1093/ofid/ofae631.810

P-612. Effectiveness of Live Attenuated and Inactivated Influenza Vaccines in Children: Data from the 2023/24 Influenza Season

2025· article· en· W4406946410 sur OpenAlexaboutno aff
Allyn Bandell, Chris Barker, Oliver Dibben

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMedicineInfluenza seasonVirologyLive attenuated influenza vaccineInfluenza vaccineVaccination

Résumé

récupéré en direct d'OpenAlex

Abstract Background Annual vaccination with a live attenuated influenza vaccine (LAIV) or inactivated influenza vaccine (IIV) is the most effective way to protect children from the burden of influenza infection, and to reduce the potential for transmission to family members and the community. Here we report vaccine effectiveness (VE) from data reported globally for LAIV and IIV in children from the 2023/24 influenza season. Methods Quadrivalent LAIV and IIV effectiveness studies conducted in children in the 2023/24 influenza season were identified from published literature and public health websites. Studies from Canada, Finland, the UK, the US, and a European-wide study in 10 countries, reporting VE data for any influenza infection (all strains), by strain type (all influenza A, A/H3N2, and A/H1N1pdm09), and by vaccination setting (primary/outpatient care and hospital) were included. Results In five studies reporting on influenza infections (all strains) in children with ages ranging from 6 months to 19 years across studies, VE estimates for LAIV ranged from 36% (95% CI: 21–48) in Finland to 65% (95% CI: 41–79) in the UK, and for IIV ranged from 59% (95% CI: 48–67) to 67% (95% CI: 48–80) in the US. When analyzed by vaccination setting, VE against any influenza, influenza A, A/H3N2, and A/H1N1pdm09 in all the included countries ranged from 36–65% for LAIV and 46–85% for IIV in children in primary/outpatient care (Figure 1). For hospitalized children, VE against any influenza, influenza A, A/H3N2, and A/H1N1pdm09 in all the included countries ranged from 25–80% for LAIV and 46–61% for IIV (Figure 2). Where available, VE data against influenza A, A/H3N2, and A/H1N1pdm09 were comparable for both LAIV and IIV in children in primary/outpatient care and hospitalized children. Conclusion VE data for the 2023/24 season from global reports show LAIV and IIV demonstrated comparable moderate protection for children against influenza infection. These early VE data were similar across the included healthcare settings of outpatient/primary care and hospitals. Disclosures Allyn R. Bandell, PharmD, AstraZeneca: Stocks/Bonds (Public Company) Chris Barker, PhD, AstraZeneca: Stocks/Bonds (Public Company) Oliver Dibben, PhD, AstraZeneca: Stocks/Bonds (Public Company)

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)0,010
score de la tête « metaresearch » (Gemma)0,023
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 enseignants0,026
Score d'incertitude au seuil0,052

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,023
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,006
Bibliométrie0,0050,007
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,047
Tête enseignante GPT0,382
Écart entre enseignants0,335 · 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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207