Influenza Vaccine Effectiveness in Mainland China: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
Influenza endangers human health but can be prevented in part by vaccination. Assessing influenza vaccine effectiveness (VE) provides scientific evidence for developing influenza vaccination policy. We conducted a systematic review and meta-analysis of studies that evaluated influenza VE in mainland China. We searched six relevant databases as of 30 August 2019 to identify studies and used Review Manager 5.3 software to analyze the included studies. The Newcastle–Ottawa scale was used to assess the risk of publication bias. We identified 1408 publications, and after removing duplicates and screening full texts, we included 21 studies in the analyses. Studies were conducted in Beijing, Guangzhou, Suzhou, and Zhejiang province from the 2010/11 influenza season through the 2017/18 influenza season. Overall influenza VE for laboratory confirmed influenza was 36% (95% CI: 25–46%). In the subgroup analysis, VE was 45% (95% CI: 18–64%) for children 6–35 months who received one dose of influenza vaccine, and 57% (95% CI: 50–64%) who received two doses. VE was 47% (95% CI: 39–54%) for children 6 months to 8 years, and 18% (95% CI: 0–33%) for adults ≥60 years. For inpatients, VE was 21% (95% CI: −11–44%). We conclude that influenza vaccines that were used in mainland China had a moderate effectiveness, with VE being higher among children than the elderly. Influenza VE should be continuously monitored in mainland China to provide evidence for policy making and improving uptake of the influenza vaccine.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,018 | 0,039 |
| Bibliométrie | 0,008 | 0,008 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».