MétaCan
Menu
Retour à la cohorte
Enregistrement W4411368320 · doi:10.2196/63161

Minimum Data Set and Metadata for Active Vaccine Safety Surveillance: Systematic Review

2025· review· en· W4411368320 sur OpenAlexvenueno aff
Mengdi Zhang, Junting Yang, Yan Li, Yuan Li, Ziqi Dong, Yahui Wu, Minrui Ren, Chunxiang Fan, Yi Wang, Jingtian Ren, Feng Sun, Chuanyong Shen, Keli Li, Zhike Liu, Siyan Zhan

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2025
Typereview
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMetadataScope (computer science)MedicineMinimum Data SetEnvironmental healthMEDLINEPublic healthComputer scienceFamily medicinePolitical scienceWorld Wide WebNursing

Résumé

récupéré en direct d'OpenAlex

Background: Active vaccine safety surveillance (AVSS) stands as a top priority for the World Health Organization (WHO), serving as a critical indicator of the fourth maturity level for national regulatory agencies. Objective: This review aims to define the minimal data scope for association studies in vaccine safety, providing a reference framework for implementing AVSS systems worldwide, especially in low- and middle-income countries. Methods: The study systematically searched PubMed, Embase, and Web of Science for cohort and case-control studies related to AVSS published between January 1, 2018, and September 7, 2022. Guided by the WHO and Council for International Organizations of Medical Sciences guidelines (CIOMS), we developed a 4D framework for Minimum Data Sets (MDSs), including "Vaccine," "Outcome," "Demographic Data," and "Covariate." Variables with a frequency of at least 5% were included in the MDS. Results: Of the 123 included studies, 102 (82.9%) were cohort studies and 98 (79.7%) originated from high-income countries, covering populations across the entire life course. The MDS for COVID-19 vaccines identified 54 variables, while the MDS for maternal populations included 96 variables. WHO guidelines were found to align better with practical applications compared to CIOMS guidelines, though both require further optimization based on the MDS findings. However, metadata for these essential variables were inadequately described across the studies. Conclusions: The proposed MDS provides clear guidance and concise requirements for AVSS data scope. Establishing a globally standardized MDS and comprehensive metadata based on these findings is essential to enhancing the global vaccine safety ecosystem.

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)0,135
score de la tête « metaresearch » (Gemma)0,418
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Revue systématique · Signal consensuel: Revue systématique
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,865
Score d'incertitude au seuil0,713

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,1350,418
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0100,012
Bibliométrie0,0290,021
Études des sciences et des technologies0,0020,003
Communication savante0,0070,011
Science ouverte0,0070,007
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,115
Tête enseignante GPT0,432
Écart entre enseignants0,317 · 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.

Devis d'étudeRevue systématique
DomaineMéthodes
GenreSynthèse

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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetVaccine Coverage and HesitancyTravaux en français237 207