MétaCan
Menu
← Retour à la cohorte
Enregistrement W7052328610

Severe RSV-related IIlness among Ontario Children: Using Population-based, Administrative Data to Comprehensively Identify High-risk Children and Evaluate Population Interventions

2020· dissertation· W7052328610 sur OpenAlexfundaboutno aff

Notice bibliographique

RevueTSpace · 2020
Typedissertation
Langue
DomainePhysics and Astronomy
ThématiqueMagnetic confinement fusion research
Établissements canadiensnon disponible
Organismes subventionnairesSickkids Research InstituteCanadian Institutes of Health ResearchHospital for Sick ChildrenCanadian Immunization Research NetworkOntario Ministry of Health and Long-Term Care
Mots-clésPsychological interventionEpidemiologyPopulationRespiratory tract infectionsCohortRespiratory illnessMental healthMental illnessPublic health
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Respiratory syncytial virus (RSV) is the most common cause of respiratory tract infection and hospitalization among children globally. Early-life infection with RSV has long-term impacts, including increased risk of developing asthma, and there is increasing recognition of the burden RSV imposes upon the health of older adults. In this dissertation, I present three studies pertaining to the epidemiology and prevention of severe RSV-related illness, particularly among young children, using unique multi-linked health and socio-demographic administrative data for the population of Ontario, Canada. Using a quasi-experimental design, I evaluated the effectiveness of RSV prophylaxis programs for high-risk infants. Severe RSV-related illness substantially declined over the 24-year study period, particularly among high-risk children. While we cannot firmly attribute causality, the magnitude and timing of changes, along with diminished social inequities, among prophylaxis-eligible infants are noteworthy and suggest these programs have noticeable real-world effectiveness, albeit to a lesser degree than observed in efficacy studies. In a birth cohort study, I investigated the contribution of multiple socio-demographic factors to early-life RSV admissions. To date, these factors have received little attention relative to medical factors, despite the known role they have in influencing the transmission, severity and uptake of interventions for other common respiratory viruses. Multiple novel socio-economic factors were independently associated with significantly greater RSV-related admission rates, including young maternal age, maternal involvement with the criminal system, and maternal mental health and/or addiction concerns. I developed the first RSV transmission model for any Canadian population, which also uniquely captures the entire population age spectrum. Relative to other common communicable diseases, few RSV transmission models exist. Our model accurately captured the seasonal RSV epidemic curves observed among infants and suggests RSV burden is greatest at the extremes of the age spectrum. This calibrated base model can be adapted to investigate the potential impacts of emerging RSV vaccination strategies in Ontario and could be further calibrated for use in other populations. Overall, these results contribute to our understanding of the real-world impact of RSV prophylaxis programs and highlight impactful targets for revisions to prophylaxis guidelines and emerging vaccination strategies. These results may inform the selection of optimal policies and interventions which not only reduce RSV burden but also minimize social inequities.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,025
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,071
Tête enseignante GPT0,395
Écart entre enseignants0,324 · 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
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTSpace→Même sujetMagnetic confinement fusion research→Travaux en français237 207→