MétaCan
Menu
Retour à la cohorte
Enregistrement W7161938396 · doi:10.82308/9574

Utility of neuraminidase inhibitor dispensing data as a tool for influenza surveillance

2015· dissertation· en· W7161938396 sur OpenAlexaboutno aff
Jesse Papenburg

Notice bibliographique

Revuenon disponible
Typedissertation
Langueen
DomaineMedicine
ThématiqueData-Driven Disease Surveillance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésNeuraminidaseSeasonal influenzaAutoregressive integrated moving averagePredictive valueNeuraminidase inhibitorPharmacyEmergency department

Résumé

récupéré en direct d'OpenAlex

Surveillance performed using routinely collected electronic data offers advantages that include a short reporting delay and a low acquisition cost. Monitoring of neuraminidase inhibitor (NI) dispensing in community pharmacies has emerged as a possible automated information source for influenza surveillance. However, little is known about the utility of these data for monitoring influenza activity. Therefore, we aimed to evaluate the timeliness, correlation, and predictive accuracy of community pharmacy NI dispensing in relation to laboratory-confirmed influenza activity in Quebec, Canada, during 2010-2013. Our secondary objective was to compare the characteristics of NI dispensing to those of visits for influenza-like illness (ILI) in emergency departments (ED), a commonly used source of surveillance data.Provincial weekly counts of positive influenza laboratory tests were used as a reference measure for the level of influenza circulation. We applied ARIMA models to account for seasonality and computed cross-correlation functions to measure the strengths of association and lead-lag-relationships of NI dispensing and ILI ED visits to our reference indicator. Finally, using an ARIMA model, we evaluated the ability of NI dispensing and ILI ED visits to predict laboratory–confirmed influenza. NI dispensing was significantly correlated (R=0.68) with influenza activity with no lag; the earliest statistically significant correlation occurred with a lead-time of 1 week. The maximal correlation of ILI ED visits was not as strong (R=0.50), but occurred with a lead-time of 1 week. Both NI dispensing and ILI ED visits were significant predictors of laboratory-confirmed influenza in a multivariable model; the predictive potential was greatest when NI counts were lagged to precede laboratory surveillance by two weeks.We conclude that NI dispensing data can provide timely and valuable information for the surveillance of influenza at the provincial level.

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)0,011
score de la tête « metaresearch » (Gemma)0,044
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 enseignants0,334
Score d'incertitude au seuil0,664

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,044
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,006
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,075
Tête enseignante GPT0,393
Écart entre enseignants0,319 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetData-Driven Disease SurveillanceTravaux en français237 207