Need for Invasive Meningococcal Disease Prevention Through Vaccination for Young Children in the Americas
Notice bibliographique
Résumé
Background: Invasive meningococcal disease (IMD) is an uncommon but potentially life-threatening condition, resulting in life-long sequelae or death in up to 20% of cases. Most IMD cases are caused by Neisseria meningitidis serogroups (Men) A, B, C, W, X, and Y. The highest IMD incidence is among children < 5 years of age (YOA). We reviewed IMD epidemiology data and existing national immunization programs (NIP) in the Americas and identify unmet needs to decrease IMD burden in young children. Methods: Using national surveillance data and published literature from 2006 to 2024, we evaluated the IMD burden and national vaccination strategies for children < 5 YOA in the Americas, focusing on Canada, the United States, Brazil, Chile, Argentina. Results: The highest IMD incidence was among infants, followed by children 1–4 YOA, with MenB infections predominating in both age groups. Chile has both MenACWY (2014) and MenB (2023) infant vaccination in its NIP. Argentina and Brazil’s NIPs include MenACWY (2017) and MenC (2010) vaccinations for infants, respectively. In Canada, MenC (2002) vaccination is recommended at 1 YOA (replaced by MenACWY in 2024 in Manitoba); MenB vaccination is selectively recommended. In each country, the incidence of IMD caused by vaccine-preventable serogroups decreased following the introduction of the respective meningococcal vaccination in the NIP. Conclusions: Comprehensive meningococcal vaccination programs in the Americas have the potential to reduce the IMD burden in children < 5 YOA. National recommendations and NIPs could reduce IMD burden by offering equitable access to protection against IMD, aligning with the WHO roadmap to defeat meningitis by 2030.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».