MétaCan
Menu
Retour à la cohorte
Enregistrement W4411165952 · doi:10.33321/cdi.2017.41.37

Paediatric Active Enhanced Disease Surveillance (PAEDS) annual report 2015: Prospective hospital-based surveillance for serious paediatric conditions

2017· article· en· W4411165952 sur OpenAlexaff
Jocelynne McRae, Helen Quinn, Kristine Macartney, PAEDS network

Notice bibliographique

RevueCommunicable Diseases Intelligence · 2017
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueBacterial Infections and Vaccines
Établissements canadiensChild, Adolescent and Family Mental Health
Organismes subventionnairesMarie Bashir Institute, University of SydneySydney Medical SchoolNational Health and Medical Research CouncilDepartment of Health and Aged Care, Australian GovernmentAustralian Government
Mots-clésMedicineDisease surveillancePediatricsDisease monitoringProspective cohort studyDiseaseEmergency medicineMedical emergencySurgeryInternal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: The Paediatric Active Enhanced Disease Surveillance (PAEDS) network is a hospital-based active surveillance system employing prospective case ascertainment for selected serious childhood conditions, particularly vaccine preventable diseases and potential adverse events following immunisation (AEFI). PAEDS data is used to better understand these conditions, inform policy and practice under the National Immunisation Program, and enable rapid public health responses for certain conditions of public health importance. PAEDS enhances data available from other Australian surveillance systems by providing prospective, detailed clinical and laboratory information on children with selected conditions. This is the second of the planned annual PAEDS reporting series, and presents surveillance data for 2015. METHODS: Specialist surveillance nurses screened hospital admissions, emergency department records, laboratory and other data, on a daily basis in 5 paediatric tertiary referral hospitals in New South Wales, Victoria, South Australia, Western Australia and Queensland to identify children with the selected conditions. Standardised protocols and case definitions were used across all sites. Conditions under surveillance in 2015 included acute flaccid paralysis (a syndrome associated with poliovirus infection), acute childhood encephalitis (ACE), influenza, intussusception (IS; a potential AEFI with rotavirus vaccines), pertussis and varicella-zoster virus infection (varicella and herpes zoster). Most protocols restrict eligibility to hospitalisations, ED only presentations are also included for some conditions. METHODS: : In 2015, there were 674 cases identified across all conditions under surveillance. Key outcomes of PAEDS included: contribution to national AFP surveillance to reach WHO reporting targets; identification of signals for Mycoplasma pneumoniae and parechovirus-related outbreaks (ACE surveillance); and demonstration of high influenza activity with vaccine effectiveness (VE) analysis supportive of vaccination. Surveillance for IS remains ongoing with any identified AEFIs reported to the relevant State Health Department; varicella and herpes zoster case numbers decreased slightly from previous years in older children not eligible for catch-up. Pertussis case numbers increased in early 2015 and analysis of cases in children aged <1 year demonstrated the importance of timely childhood and maternal immunisation. CONCLUSIONS: PAEDS continues to provide unique policy-relevant data on serious paediatric conditions using hospital-based sentinel surveillance.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,065
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,001
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,012
Tête enseignante GPT0,299
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunicable Diseases IntelligenceMême sujetBacterial Infections and VaccinesTravaux en français237 207