Leveraging Population-Based Modelling Approaches to Inform Respiratory Disease Prevention
Notice bibliographique
Résumé
Severe acute respiratory syndrome 2 (SARS-CoV-2) and pneumococcal disease are vaccine-preventable but remain leading causes of morbidity and mortality in young children and older adults. In this dissertation, I present three population-based studies which inform respiratory disease prevention using public health surveillance data. In a population-based cohort study, I linked reported SARS-CoV-2 cases with vaccination records in Ontario, Canada. I found that vaccination is associated with lower odds of hospitalization among adolescent and pediatric Omicron (B.1.1.529) SARS-CoV-2 cases, even when the vaccines do not prevent infection. I developed and analyzed a dynamic pneumococcal transmission model fit to age-specific invasive pneumococcal disease (IPD) incidence in Canada. Using the fitted model, I found that the use of 13-valent pneumococcal conjugate vaccines in pediatric populations prevented 1,275 IPD cases across the population, with the majority of cases averted in older adults. In a self-matched case-crossover study, I estimated the impact of acute changes in influenza A, influenza B, and respiratory syncytial virus (RSV) activity on IPD risk. I found that influenza A activity and influenza B activity are independently associated with increased IPD risk. However, the co-circulation of influenza A and B reduced the impact of both viruses. RSV activity was positively associated with increased IPD risk only in the presence of increased influenza activity. Overall, these results contribute to our understanding of vaccine-preventable respiratory diseases in Canada. These results can inform strategies to prevent morbidity and mortality from respiratory diseases.
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 | 0,005 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| 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 | 0,002 |
| 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 ».