Ampleur des biais potentiels dans une étude cas-témoin simulée sur l’efficacité de la vaccination antigrippale

Contexte De nombreuses estimations de l’efficacité du vaccin antigrippal ont été faites en utilisant des méthodes de contrôle cas Bien que plusieurs formes de biais puissent fausser les estimations de l’efficacité vaccinale dérivées d’études cas-témoins, il y a eu peu de tentatives pour quantifier ces biais. des biais dans l’utilisation différentielle des tests de diagnostic basés sur l’état du vaccin antigrippal, des caractéristiques de test de diagnostic imparfaites et des facteurs de confusion Un modèle d’arbre de décision a été utilisé pour simuler un cas d’efficacité du vaccin antigrippal En utilisant les distributions de probabilités, nous avons varié la valeur des facteurs influençant les estimations de l’efficacité du vaccin, y compris les caractéristiques des tests de diagnostic, la couverture vaccinale, la probabilité de recevoir un test diagnostique de la grippe, la probabilité qu’un enfant soit hospitalisé. Nous avons trouvé une différence moyenne entre l’efficacité vaccinale observée et réelle de -119%. L’efficacité vaccinale observée était sous-estimée. la véritable efficacité dans 88% des itérations du modèle La spécificité du test diagnostique présentait la plus forte association avec l’efficacité vaccinale observée, suivie par la probabilité de recevoir un test diagnostique basé sur le statut vaccinal et la probabilité qu’un enfant hospitalisé avec une infection respiratoire aiguë ait la grippe. que les biais potentiels dans les études de cas-témoins que nous avons examinés tendent à entraîner des sous-estimations des effets réels du vaccin antigrippal

Depuis 2006, le Comité consultatif sur les pratiques d’immunisation a considérablement élargi la population cible recommandée pour la vaccination antigrippale annuelle aux États-Unis, en recommandant d’abord la vaccination de tous les enfants de 6 à 59 mois, puis en élargissant la recommandation à tous les enfants de 6 ans. en raison de préoccupations éthiques entourant la conduite d’essais contrôlés randomisés avec des groupes placebo chez les personnes pour lesquelles la vaccination est recommandée, les estimations Les études cas-témoins sont souvent privilégiées pour des études observationnelles sur l’efficacité des vaccins autorisés pour des raisons de puissance statistique, de logistique et de coût. les études de contrôle sont sujettes à des biais, ce qui peut entraîner des erreurs dans l’estimation s de l’efficacité du vaccin VEBias provient de nombreuses sources Il s’agit notamment du biais de sélection, qui se produit s’il existe des différences systématiques dans la relation entre la vaccination et la maladie entre ceux qui participent à l’étude et ceux qui ne le font pas; la confusion, qui peut survenir lorsque les caractéristiques des participants associées à la fois à la vaccination antigrippale et au diagnostic de l’influenza faussent la véritable relation entre la vaccination et la maladie; et erreur de classification des participants à l’étude due à des erreurs de mesure de l’exposition ou de l’état des résultats [2, 3] Bien que les biais des estimations VE dérivées des études cas-témoins aient été reconnus comme des problèmes potentiels, Comprendre leur influence sur les estimations VE Dans cette étude, nous avons cherché à évaluer l’ampleur des biais potentiels dans les estimations VE dérivées des études cas-témoins en raison de plusieurs facteurs, y compris biais de l’utilisation différentielle des tests diagnostiques basés sur le vaccin antigrippal, mauvaise classification des résultats état de santé attribuable à l’utilisation de tests de diagnostic imparfaits et à la confusion causée par la possibilité que les personnes vaccinées contre la grippe soient plus susceptibles de souffrir de complications de la grippe et d’être incluses dans les cas. effets du vaccin antigrippal chez les enfants Nous nous sommes concentrés sur les enfants parce que l’e effets des facteurs confondants non mesurés tels que l’état fonctionnel dans cette population par rapport aux études VE chez les adultes – en particulier les études chez les adultes âgés, chez lesquels l’effet «vacciné sain» est probablement important à considérer [4-6]

Méthodes

Structure de l’arbre de décision

Figure 1 Le modèle de l’arbre de décision a imité la structure et les résultats d’une étude cas-témoins de la grippe VE dans laquelle les cas sont des enfants hospitalisés avec une infection respiratoire aiguë. Les IRA qui ont obtenu un résultat positif au test de diagnostic de la grippe à la discrétion d’un fournisseur clinique plutôt que par un échantillonnage et des contrôles aléatoires ou systématiques sont des enfants non hospitalisés pour l’influenza selon l’âge. Dans le sous-groupe non vacciné de participants, la proportion de p_flu était associée à la grippe. Dans le sous-groupe de participants vaccinés, la proportion de cas de grippe était fonction de la véritable sous-jacente et était notée p_flu * 1-VE Les participants vaccinés et non vaccinés avaient une probabilité de recevoir un test diagnostique f Les résultats des tests diagnostiques étaient soit positifs soit négatifs selon le statut de la maladie et la sensibilité et la spécificité du test de diagnostic utilisé. Chaque participant testé était soit un vrai positif, soit un faux négatif si le participant avait vraiment la grippe ou le VIH. un vrai négatif ou un faux positif si le participant n’avait pas vraiment de grippe Un participant qui a été testé positif, qu’il s’agisse d’un vrai positif ou d’un faux positif, a été classé comme un cas observé, comme dans une étude cas-témoins. le participant qui a été testé négatif ou n’a pas été testé serait inéligible et exclu de l’étude Dans cette section et dans les suivantes, les variables de l’arbre de décision sont indiquées en italique pour la référence croisée avec la figure 1.

Figure 1View largeTélécharger slideDécision modèle d’arbre pour examiner biais dans les estimations de l’efficacité du vaccin dérivé d’une étude de cas-contrôle pédiatrique Les noeuds Chance sont indiqués par des cercles, qui dénotent des résultats qui peuvent se produire par hasard à chaque point de l’arbre. donnée par la probabilité montrée sous sa branche Les probabilités des résultats émanant de chaque nœud aléatoire doivent être égales à un nœud terminal. Les triangles représentent le résultat observé. Les nœuds terminaux blancs indiquent qu’un enfant avec ce résultat est inéligible et donc exclu de l’étude cas-témoins A partir de ce modèle, nous avons simulé le nombre total de cas, le nombre de cas vaccinés, le nombre de cas non vaccinés et le rapport des cas vaccinés par rapport aux cas non vaccinés. Ce ratio multiplié par le ratio vaccinés non vaccinés donne le OR, et 1-OR donne l’efficacité du vaccin observée Abréviation: ARI, infection respiratoire aiguë n; VE, efficacité du vaccinFigure 1View largeTélécharger une diapositive Modèle d’arbre de décision pour examiner le biais dans les estimations de l’efficacité vaccinale dérivées d’une étude cas-témoins pédiatrique Les nœuds de chance sont représentés par des cercles qui indiquent des résultats aléatoires à chaque point de l’arbre. Les probabilités des résultats émanant de chaque nœud aléatoire doivent être égales à un nœud terminal Les triangles représentent le résultat de l’étude observé Les nœuds terminaux vides indiquent qu’un enfant avec ce résultat est inéligible et donc exclu du cas étude de contrôle A partir de ce modèle, nous avons simulé le nombre total de cas, nombre de cas vaccinés, soustraction le nombre de cas non vaccinés, et le rapport des cas vaccinés aux cas non vaccinés Ce ratio multiplié par le ratio vaccinés non vaccinés donne les cotes observées rapport OR, et 1-OR donne l’efficacité du vaccin observée Abréviation: ARI, un infection respiratoire mignonne; VE, efficacité du vaccin

Valeurs d’entrée de l’arbre de décision

Nous avons varié la valeur des facteurs importants connus pour affecter VE, y compris la spécificité et la sensibilité des tests diagnostiques, la couverture vaccinale, la probabilité de recevoir un test diagnostique de la grippe, la probabilité de grippe chez un enfant hospitalisé et la mesure dans laquelle les participants vaccinés Chacune de ces variables était définie par une distribution de probabilité – un résumé des valeurs possibles de la variable – fondé sur les résultats d’études observationnelles, d’essais randomisés sur les effets du vaccin antigrippal, ou opinion d’expert Tableau 1 Pour la plupart des variables, nous avons utilisé une distribution triangulaire, qui est résumée par ses valeurs minimales, maximales et les plus probables; cette distribution est généralement utilisée pour les variables dont on sait peu de choses [22] Pour les variables pour lesquelles on dispose de plus d’informations, nous avons utilisé des distributions bêta qui peuvent refléter un large éventail de formes distributives et sont, comme les probabilités, 22]

Tableau 1 Arbre de décision Modèle Entrées Entrée Type de distribution des valeurs minimales, moyennes et maximales Source Test de diagnostic rapide commercial sensibilité sensibilitéa 0, 69%, distribution bêta 100% Revue de la littérature Spécificité du test de diagnostic rapide commercial Spécificité 0, 98%, distribution bêta 100% Probabilité de recevoir un test diagnostique pour la grippe si vacciné p_test_vacca 29%, 44%, 52% distribution triangulaire avec la valeur la plus probable de 52% [9, 10] Probabilité qu’un enfant hospitalisé avec infection respiratoire aiguë soit vacciné contre la grippe p_vacca 15%, 23%, 32% distribution triangulaire avec la valeur la plus probable de 23% [11] Probabilité qu’un enfant hospitalisé avec infection respiratoire aiguë ait la grippe p_flua 1%, 10%, 20% distribution triangulaire avec la valeur la plus probable de 10% [11, 12 , 13] Vraie efficacité du vaccin VEa 0, 67%, 100% distribution bêta [14-21] Augmentation multiplicative de la probabilité d’hospitalisation vaccinée f1 100, 1 23, 150 distribution triangulaire avec la valeur la plus probable de 120 Opinion d’expert Entrée Valeurs minimales, moyennes et maximales Type de distribution Source Test de diagnostic rapide commercial sensibilité sensibilitéa 0, 69%, distribution bêta 100% Revue de la littérature Spécificité commerciale Spécificité de test rapide spécificitéa 0, 98 %, Distribution bêta à 100% Revue de la littérature Probabilité de recevoir un test de diagnostic de la grippe si vacciné p_test_vacca 29%, 44%, 52% répartition triangulaire avec la valeur la plus probable de 52% [9, 10] Probabilité qu’un enfant soit hospitalisé pour infection respiratoire aiguë est vacciné contre la grippe p_vacca 15%, 23%, 32% distribution triangulaire avec la valeur la plus probable de 23% [11] Probabilité qu’un enfant hospitalisé avec infection respiratoire aiguë ait la grippe p_flua 1%, 10%, 20% distribution triangulaire avec le plus probable valeur de 10% [11, 12, 13] Vrai efficacité du vaccin VEa 0, 67%, distribution bêta à 100% [14-21] Augmentation multiplicative de la probabilité de hospitalisation vaccinée f1 100, 123, 150 distribution triangulaire avec la valeur la plus probable de 120 Expertise Abréviation: VE, efficacité du vaccinaIdentifie les entrées du modèle exprimées dans le tableau en pourcentages de lisibilité, mais saisies comme proportions équivalentes allant de 0 à 1 dans la simulation modelView Large

Caractéristiques du test

Pour la sensibilité et la spécificité du test, nous avons effectué une revue de la littérature pour définir les caractéristiques de performance des tests diagnostiques de la grippe dans le matériel supplémentaire en ligne. Nous avons ensuite défini les distributions bêta correspondant à la gamme de valeurs observées dans la littérature. La figure 2 et la spécificité des tests de détection de l’antigène rapide de l’influenza commerciale ont été respectivement de 61% et 98%, excluant les tests pour les souches pandémiques H1N1 H5, H7 et 2009 Sensibilité moyenne et spécificité Dans le modèle de simulation, nous avons utilisé une moyenne pondérée de la sensibilité et de la spécificité du test qui reflétait la fréquence d’utilisation des différents types de tests de diagnostic de la grippe dans un modèle de test de fluorescence par immunofluorescence directe. récente étude cas-témoins pédiatrique de grande envergure sur l’influenza VE Nous avons supposé que 64% des tests d’antigènes rapides, 21% étaient DFA, 7% étaient des cultures virales, 2% RT-PCR de transcription en chaîne par transcription inverse, et 3% étaient des CDC de types de tests multiples, données non publiées, résultant en sensibilité moyenne pondérée et spécificité de 69% et 98%, respectivement

Figure 2View largeDownload slideDistribution de la sensibilité des tests de diagnostic rapide d’antigène commercial pour la grippe d’après l’analyse des auteurs de 29 études publiées depuis 2005 et incluant les enfants n = 60 observationsFigure 2Voir grandDownload slideDistribution de la sensibilité des tests diagnostiques rapides d’antigènes commerciaux pour la grippe de 29 études publiées depuis 2005 et incluant des enfants n = 60 observations

Figure 3View largeTélécharger la distribution de la spécificité des tests commerciaux de diagnostic rapide de l’antigène de la grippe par les auteurs de 29 études publiées depuis 2005 et incluant les enfants n = 54 observationsFigure 3Voir grandDownloadDistribution de la spécificité des tests commerciaux rapides de diagnostic antigénique de la grippe de 29 études publiées depuis 2005 et incluant des enfants n = 54 observations

Vrai VE

On a supposé que le VE VE moyen moyen était de 67% d’après la moyenne arithmétique des estimations de l’efficacité vaccinale contre l’infection grippale non antigéniquement confirmée par culture ou RT-PCR provenant d’essais randomisés récents sur le vaccin antigrippal chez les adultes [14-20] et parce qu’aucun essai récent parmi les enfants n’est disponible, un essai antérieur de vaccin antigrippal inactivé comprenant des enfants [21] La distribution de vrai VE a été modélisée avec une distribution bêta adaptée à la distribution des estimations d’efficacité de vaccin de ces essais

Taux de vaccination

Poehling et ses collaborateurs [11] ont constaté que 23% des enfants de moins de cinq ans hospitalisés pour fièvre ou présentant des symptômes respiratoires avaient été vaccinés contre la grippe au cours des années 2002-2003 et 2003-2004. saisons grippales Nous avons modélisé cette variable en utilisant une distribution triangulaire avec une valeur la plus probable de 23% et une plage de 15% à 32%

Réception du test de diagnostic

Selon Grijalva et al [9], nous avons estimé à 52% la probabilité qu’un enfant hospitalisé pour ARI reçoive un test de diagnostic de la grippe, et que le scénario le plus probable était qu’il n’y avait aucune différence entre les taux de dépistage chez les enfants vaccinés et non vaccinés [10] Cependant, pour explorer le biais des tests différentiels potentiels basés sur le statut vaccinal, nous avons laissé la différence entre les taux de tests entre p_test_vacc vaccinés et les enfants non vaccinés p_test_unvacc varier jusqu’à une différence relative de 50%. être testé seulement 29% du temps pendant que les enfants non vaccinés seraient testés 59% du temps

Taux d’infection grippale

On a supposé que la probabilité d’un enfant hospitalisé avec IRA était de 10%, la moyenne arithmétique de cinq taux de trois études [11-13] et de 1% à 20%. Ces taux reflètent les moyennes pour la saison grippale.

Confondre

Les enfants et les personnes âgées souffrant de certains problèmes de santé chroniques peuvent être plus susceptibles d’être vaccinés contre la grippe et plus susceptibles de souffrir de complications sérieuses de l’infection grippale. Si ce facteur n’est pas corrigé, une telle confusion sous-estimera VE [24-26] , nous avons ajouté un facteur multiplicatif f1 au modèle pour représenter l’augmentation de la probabilité d’être hospitalisé pour vaccination antigrippale indépendamment de VE Par exemple, un facteur de 110 a indiqué que les participants vaccinés étaient 10% plus susceptibles d’être hospitalisés pour la grippe en raison de une condition chronique qui augmente le risque de complications grippales graves Nous avons supposé que la valeur la plus probable pour cette variable était une augmentation de 20%, avec une plage de 0% à 50% correspondant à une valeur la plus probable de f1 de 120 avec une plage de 100-150

Corrélation entre les variables d’entrée

Basé sur notre revue de la littérature de 29 études récentes, nous n’avons trouvé aucune corrélation statistiquement significative entre la sensibilité et la spécificité des tests rapides d’antigène commercial Coefficient de corrélation de Spearman = -004, P = 77 Bien qu’il semble plausible d’attendre une corrélation positive entre Nous avons trouvé aucune donnée pour établir une estimation de cette corrélation. Lorsque nous avons examiné l’influence de cette corrélation sur les résultats du modèle en exécutant le modèle avec des corrélations positives de plus en plus fortes , nous avons constaté que cette corrélation, même la plus forte, influençait les estimations de biais de moins de 05%. Par conséquent, nous avons exclu cette corrélation potentielle de notre modèle.

Méthodes de simulation

En utilisant les méthodes de Monte Carlo [22], nous avons simulé le nombre total de cas, le nombre de cas vaccinés et le rapport des cas vaccinés aux cas non vaccinés. Ce rapport multiplié par le rapport vaccines non vaccinés donnait le rapport de cotes observé; Nous avons examiné la sensibilité du VE observé pour modéliser les intrants en régressant le VE observé simulé sur chaque entrée d’intérêt, en contrôlant la VUE réelle. On a supposé que les témoins vaccinés étaient égaux à 45, la valeur qui assimilait VE réel et VE observé en supposant des caractéristiques de test parfait et aucune évaluation diagnostique différentielle. Ce rapport équivaut à une probabilité de vaccination de 023 dans la population témoin, dans la fourchette des estimations de vaccin couverture vaccinale chez les 6 à 23 mois depuis la saison grippale 2004-2005 18% en 2004-2005 à 32% en 2006-2007, lorsque la vaccination pour ce groupe d’âge a été recommandée pour la première fois les données de l’Enquête nationale sur l’immunisation, disponible sur http: // www.cdcgov / grippe / professionnels / acip / coveragelevelshtm [consulté le 8 avril 2011] Nous avons utilisé dix simulations o f un million d’itérations chacune, ce qui a fourni une convergence des estimations de biais à 001%. Des simulations ont été effectuées en utilisant @ RISKv57 Palisade Corp, Ithaca, NY

RÉSULTATS

Nous avons trouvé un VE moyen observé de 55% comparé à un VE réel moyen de 67%. Figure 4 La différence moyenne entre VE observée et vraie était de -119% L’efficacité vaccinale observée sous-estimait l’efficacité réelle dans 88% des itérations du modèle. Les VE les plus basses étaient inférieures de plus de 10% au VE réel et de 20% au VE réel. Le VE le plus bas était 77% plus faible que le VE réel, et le VE le plus élevé était 36% plus élevé que le VE réel. Vrai Les sous-estimations de VE sont survenues dans des situations avec une VE réelle élevée, une faible spécificité de test rapide et une faible probabilité de grippe chez les enfants hospitalisés avec ARI surestimation de VE survenant dans des situations avec faible VE vraie, haute spécificité de test rapide et faible probabilité. de la réception d’un test de diagnostic chez les enfants vaccinés

Figure 4View largeDownload slideDistributions de l’efficacité vaccinale en pointillé solide et vraie observée sur la base d’une étude cas-témoin pédiatrique simulée de l’efficacité du vaccin antigrippal VE L’VE moyen observé était de 55% comparé au VE réel moyen de 67%. La VE moyenne observée était de 55% comparée à la VE réelle moyenne de 67%. La spécificité du test diagnostique présentait la plus forte association avec le VE observé, suivie de la probabilité de recevoir une réponse vaccinale. Figure 5 Tenant la constante VE vraie, une diminution de 1% de la spécificité du test, par exemple de 98% à 97%, était associée à une diminution de 42% du test de VE observé. les caractéristiques étaient positivement associées à VE observé: plus le test est bon, moins la sous-estimation de VE Dif Les tests diagnostiques férentiels, dans lesquels les enfants vaccinés sont moins fréquemment testés que les enfants non vaccinés, étaient négativement associés à l’EV observée. Plus la probabilité de tests chez les enfants vaccinés était faible, plus l’EV observée était importante. La probabilité qu’un enfant hospitalisé avec ARI ait la grippe a également influencé le VE observé: pour chaque augmentation de 1% de cette probabilité, le VE observé a augmenté de 1%. L’association entre VE observée et la confusion que nous avons modélisée était plus faible mais dans la direction attendue: pour chaque augmentation de 1% de la probabilité d’hospitalisation due à la grippe chez les enfants vaccinés, le VE observé était, en moyenne, inférieur de 2%

Figure 5Voir la grande diapositive «Tornado» Diapositive montrant les intrants qui influent sur l’efficacité vaccinale observée VE dans l’ordre croissant de la plus faible influence exercée au moins L’axe donne le coefficient de régression estimé pour chaque entrée lorsque VE% est régressé sur chaque entrée séparément, en contrôlant VE Ces valeurs peuvent être interprétées comme le pourcentage de variation du VE observé pour chaque variation de 1% de l’entrée du modèle. Abréviation: ARI, infection respiratoire aiguë Figure 5Visual large Diapositive Diagramme «Tornade» montrant les entrées qui influencent l’efficacité vaccinale observée VE dans l’ordre de La plus grande influence s’exerce au moins L’axe donne le coefficient de régression estimé pour chaque entrée lorsque VE% est régressé sur chaque entrée séparément, en contrôlant le vrai VE. Ces valeurs peuvent être interprétées comme le pourcentage de variation du VE observé pour chaque variation de 1% entrée du modèle Abréviation: ARI, infection respiratoire aiguë

DISCUSSION

12% des itérations du modèle ont surestimé la VE réelle Nos résultats suggèrent qu’une classification erronée due à une spécificité de test imparfaite est une source influente de biais Il est de plus en plus courant pour les études cas-témoins d’utiliser des tests RT-PCR hautement sensibles et spécifiques. Cependant, lors de pandémies ou d’autres situations dans lesquelles des estimations de VE sont souhaitées mais l’accès à la RT-PCR est limité, une spécificité de test imparfaite pourrait être une source importante de biais. Les tests diagnostiques différentiels étaient également une source non triviale. La confusion dont nous avons modélisé le fait que les enfants plus gravement malades étaient plus susceptibles d’être vaccinés et plus susceptibles d’être hospitalisés pour la grippe était moins influente que les autres. sources de biais que nous avons évaluéesLe potentiel de biais dans les études observationnelles sur l’efficacité des vaccins est reconnu depuis longtemps [24, 25, 27-31] et de nombreuses stratégies pour minimiser les biais ont été proposées. Elles comprennent des méthodes statistiques telles que la régression multivariée, l’utilisation de méthodes de notation de la propension et la restriction des populations d’échantillons pour améliorer l’homogénéité de la population. échantillon d’étude [32, 33] De plus, des méthodes comparant les résultats durant les périodes avec et sans circulation grippale [4, 31, 34] et l’utilisation d’analyses de sensibilité détaillées [35] ont été suggérées comme approches pour obtenir des estimations moins biaisées. ces avancées méthodologiques, la controverse continue sur les biais les plus importants dans les estimations VE des études observationnelles, et il reste peu clair si les biais, dans l’ensemble, tendent à surestimer ou sous-estimer le véritable bénéfice du vaccin. Notre étude offre un aperçu de ce débat. estimation de l’impact sur VE de plusieurs biais potentiels évalués dans le même modèle de simulationNotre étude a des limites Parce que nous nous sommes concentrés sur une étude VE Chez les enfants, nos résultats peuvent ne pas être généralisés à d’autres groupes d’âge; Une étude récente de VE chez les personnes âgées suggère que les tests différentiels peuvent conduire à plus de biais que nous avons observé [36] Toutes les variables de notre modèle n’étaient pas décrites par une distribution de probabilité; par conséquent, nous n’avons pas représenté toute l’incertitude inhérente dans les entrées du modèle. Certaines des variables représentées par les distributions de probabilité avaient peu de données sur lesquelles baser les distributions; l’étude serait renforcée par des données empiriques supplémentaires pour ces variables. Il existe une incertitude inhérente à tout modèle concernant la structure même du modèle. Cependant, certaines caractéristiques de nos résultats appuient la validité apparente du modèle noueux. Premièrement, nos résultats sont similaires à ceux d’Orenstein. et al [8], les deux études suggèrent que des caractéristiques de test imparfaites peuvent contribuer à une sous-estimation dramatique des VE observées. Deuxièmement, nous avons trouvé que la probabilité d’infection grippale chez un enfant hospitalisé avec ARI était associée à VE observée. Bien que nous ayons examiné le biais dans les estimations VE en raison de caractéristiques de test imparfaites, de tests diagnostiques différentiels basés sur le statut vaccinal, et d’un type de confusion confondant, des données bien décrites indiquent que la prévalence de la grippe est associée aux valeurs prédictives des tests. , d’autres sources de biais existent D’une importance particulière sont les sources de biais de sélection qui peut fausser les estimations de VE La surestimation ou sous-estimation de VE résultant de différents types de biais de sélection devrait être systématiquement évaluée dans les recherches futures. En outre, le biais des estimations VE dérivées des plans d’étude créés pour minimiser les biais de sélection, tels que La conception de contrôle dite «test négatif» [37] devrait être évaluée. Les estimations VE obtenues à partir d’études observationnelles ont donné des estimations VE variant de 0% à 93% [38, 39]. Un facteur expliquant cette large gamme d’estimations est la saison dans la correspondance entre le vaccin et les souches grippales circulantes, avec une efficacité plus élevée dans les saisons où la parenté antigénique entre le vaccin et les souches circulantes est élevée [14, 19, 38-40] Autres facteurs connus pour influencer la grippe réponse, peut-être due à un compromis immunitaire de l’hôte ou à une immunosénescence; échec d’être immunisé avant l’exposition; La recommandation de l’ACIP [1] voulant que tous les résidents des États-Unis reçoivent une vaccination antigrippale annuelle signifie que les comparaisons futures des résultats de la grippe chez les personnes vaccinées et non vaccinées aux États-Unis reposeront sur des études observationnelles. La compréhension de l’ampleur des biais potentiels dans les études d’observation, en particulier les études cas-témoins, sera essentielle si nous cherchons à surveiller l’efficacité du programme de vaccination antigrippale au moyen d’évaluations annuelles de l’efficacité des vaccins antigrippaux autorisés.

Remarques

Aide financière

Ce travail a été parrainé par les Centers for Disease Control and Prevention

Conflits d’intérêts potentiels

Tous les auteurs: Aucun conflit rapporté Tous les auteurs ont soumis le formulaire ICMJE pour la divulgation des conflits d’intérêts potentiels Conflits que les éditeurs considèrent pertinents pour le contenu du manuscrit ont été divulgués