9-4 - Concordance du statut vaccinal antituberculeux selon la source d'information, Québec, Canada
Bibliographic record
Abstract
Le vaccin au bacille Calmette-Guérin (BCG) est utilisé depuis plus d'un siècle pour prévenir la tuberculose. Ce vaccin fait encore l'objet de nombreuses études épidémiologiques. Diverses sources de données sont utilisées pour définir le statut vaccinal incluant l'auto-déclaration, les registres et dossiers médicaux. Notre objectif était d'estimer la fiabilité et l'exactitude du statut vaccinal auto-rapporté et selon le carnet de vaccination, comparativement aux données du registre de vaccination BCG du Québec. Les données d'une étude cas-témoins de 2020 portant sur la vaccination BCG et l'infection au SARS-CoV-2 ont permis de comparer les informations auto-rapportées à celles du registre (n=1557). Dans une étude de cohorte en deux phases portant sur la vaccination BCG et la survenue d'asthme réalisée en 2012, les informations inscrites au carnet de vaccination et celles du registre ont été comparées (n=551). La concordance (%), le kappa de Cohen et d'autres paramètres ont été calculés. La concordance entre l'information auto-rapportée (âge moyen des répondants : 55,2 ans ; écart-type : 5,9) comparativement au registre (âge moyen à la vaccination : 3,1 ans ; écart-type : 4,5) était de 61,4 % (intervalle de confiance (IC) à 95% : 59,0–63,8%) et le coefficient Kappa était de 0,17 (IC 95% : 0,12–0,21). Pour la comparaison entre l'information inscrite au carnet de vaccination et celle du registre, la concordance était de 76,8 % (IC 95% : 73,3–80,3%) et le coefficient Kappa était de 0,53 (IC 95% : 0,46–0,60). L'utilisation d'informations auto-rapportées pour le statut vaccinal au BCG peut introduire des erreurs de mesure ayant le potentiel de biaiser les résultats. Les données inscrites au carnet de santé présentaient une concordance plus élevée mais imparfaite. L'information provenant d'un registre devrait être privilégiée dans les études portant sur la vaccination BCG.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".