测试阴性（TN）研究已成为最广泛使用的用于评估流感疫苗有效性（VE）的研究设计，并且很容易纳入现有的流感监测网络。研究人员试图使用动态概率模型确定大流行期间基于TN的VE估计值的偏差。该模型用于评估和比较疫苗爆发后疫苗接种时产生的各种偏倚源下VE估计值偏差，例如在大流行期间。该模型包括两个协变量（健康状况和健康意识），发展流感和非流感急性呼吸道疾病（ARI）以及寻求医疗保健可能影响疫苗接种的概率。具体而言，当（1）疫苗接种影响发生非流感ARI的可能性时，评估VE估计的偏差; （2）疫苗接种会影响寻求医疗的可能性; （3）协变量（例如健康状况）与接种疫苗的可能性和发展ARI有关; （4）协变量（例如健康意识）与接种疫苗的概率和寻求医疗保健的概率有关。考虑了疫苗应该保护的两种结果：症状性流感和医学上流行的流感。
当疫苗接种在疫情爆发期间开始时，发现延迟接种疫苗的效果是不可预测的。无论存在偏倚的来源，TN研究的VE估计值都存在偏差。然而，如果TN设计的核心假设得到满足，即如果疫苗接种不影响非流感ARI的可能性，那么针对医学上流行的流感的基于TN的VE估计将仅受到小的（<0.05）中度偏差（≥0.05和<0.10）。这些结果表明，如果排除上面列出的偏倚来源，TN研究是在大流行期间估计VE的有效研究设计。
