Impacto De La Vacunación Frente a La Gripe (H1N1) 2009 En Navarra: Comparación De Diferentes Escenarios

Jesús Castilla,Marcela Guevara,Manuel García Cenoz,Fátima Irisarri,Maite Arriazu,Aurelio Barricarte, Red de Médicos Centinela, Red de Vigilancia Epidemiológica y Microbiológica de Gripe de Navarra

Revista Española de Salud Pública（2011）

Cited 4|Views2

Abstract

Fundamento: En 2009 se realizó una campaña de vacunación específica frente a la gripe (H1N1) 2009. El objetivo de este trabajo es evaluar su impacto en Navarra. Métodos: En la cohorte de población no institucionalizada de enfermos crónicos cubiertos por el Servicio Navarro de Salud (N=131.333), asumiendo una efectividad del 100! desde el octavo día tras la administración de la vacuna pandémica, estimamos su impacto en la prevención de casos y de hospitalizaciones por gripe (H1N1) 2009 entre las semanas 47/2009 y 3/2010. Resultados: En las nueve semanas del estudio se diagnosticaron 973 casos de síndrome gripal (7 por 1000). El 28! fueron debidos a gripe (H1N1) 2009. Además hubo 14 personas hospitalizadas con confirmación virológica (11 por 100.000). Con una cobertura de vacuna del 19! (frente al 40! de la estacional) se logró prevenir el 7,7! de los casos y el 10,5! de las hospitalizaciones durante el periodo de estudio. Se administraron 1.092 dosis de vacuna pandémica por cada caso prevenido y 15.021 dosis por cada hospitalización evitada. Con una cobertura idéntica a la de la vacuna estacional se habría conseguido prevenir 16,2! de los casos y 22,2! de las hospitalizaciones. Si se hubiese duplicado esta cobertura y adelantado la campaña de vacunación dos semanas se habrían prevenido 70,7! de los casos y 68,0! de los ingresos, necesitando 261 dosis para prevenir un caso y 6206 dosis para evitar una hospitalización. Conclusión: A pesar de la elevada efectividad de la vacuna su impacto en Navarra fue mínimo, debido a la baja cobertura y al inicio tardío de la campaña de vacunación.

Translated text

Key words

H1N1

Bibtex

AI Read Science

AI Summary

AI Summary is the key point extracted automatically understanding the full text of the paper, including the background, methods, results, conclusions, icons and other key content, so that you can get the outline of the paper at a glance.

Example

Background

Key content

Introduction

Methods

Results

Related work

Fund

Key content

Pretraining has recently greatly promoted the development of natural language processing (NLP)
We show that M6 outperforms the baselines in multimodal downstream tasks, and the large M6 with 10 parameters can reach a better performance
We propose a method called M6 that is able to process information of multiple modalities and perform both single-modal and cross-modal understanding and generation
The model is scaled to large model with 10 billion parameters with sophisticated deployment, and the 10 -parameter M6-large is the largest pretrained model in Chinese
Experimental results show that our proposed M6 outperforms the baseline in a number of downstream tasks concerning both single modality and multiple modalities We will continue the pretraining of extremely large models by increasing data to explore the limit of its performance

Try using models to generate summary,it takes about 60s

Must-Reading Tree

Example

Generate MRT to find the research sequence of this paper