Démontrer la capacité du Comité consultatif national de l’immunisation à réagir rapidement aux signaux de surveillance des vaccins après leur mise sur le marché : l’expérience du Canada avec le vaccin antigrippal vivant atténué
Bibliographic record
Abstract
Au cours des dernières années, l’utilisation recommandée du vaccin vivant atténué contre l’influenza (VVAI) pour les enfants a évolué aux États-Unis en réponse aux preuves d’une diminution potentielle de l’efficacité du VVAI basées sur la surveillance post-commercialisation. Ces problèmes n’ont pas été observés au Canada ou ailleurs ; par conséquent, les recommandations du Comité consultatif national de l’immunisation (CCNI) du Canada et du Advisory Committee on Immunization Practices (ACIP) des États-Unis sur l’opportunité d’utiliser le VVAI ont différé pour deux saisons grippales (2016–2017 et 2017–2018). Cette rétrospective décrit comment le CCNI est parvenu à ses recommandations en réponse aux signaux post-commercialisation d’une baisse de performance des VVAI provenant des États-Unis en 2013–2014 et à nouveau en 2015–2016. L’expérience du CCNI avec le VVAI marque la première fois au Canada où une recommandation préférentielle sur l’utilisation d’un vaccin antigrippal dans un programme d’immunisation systématique a été renversée. Cette expérience souligne l’importance d’une surveillance continue des vaccins après leur mise sur le marché, d’une collaboration internationale et d’une prise en compte attentive du contexte local pour étayer les recommandations relatives aux vaccins. La capacité du CCNI à réagir rapidement aux signaux de performance des vaccins après leur mise sur le marché facilitera la réaction à des signaux similaires de surveillance après la mise sur le marché des vaccins contre la maladie à coronavirus 2019 (COVID-19).
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.007 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".