MétaCan
Menu
Retour à la cohorte
Enregistrement W1816287741 · doi:10.1186/2049-3258-72-48

Why children are not vaccinated against measles: a cross-sectional study in two Nigerian States

2014· article· en· W1816287741 sur OpenAlexafffund
Anne Cockcroft, Muhammad Usman, Obrian F Nyamucherera, Henry Emori, Bong Duke, Nisser Umar, Neil Andersson

Notice bibliographique

RevueArchives of Public Health · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensMcGill University
Organismes subventionnairesInternational Development Research Centre
Mots-clésMeaslesVaccinationMedicineMeasles vaccineCross-sectional studyImmunizationEnvironmental healthDemographyCluster (spacecraft)Public healthPediatricsImmunologyNursing

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Childhood vaccination rates in Nigeria are among the lowest in the world and this affects morbidity and mortality rates. A 2011 mixed methods study in two states in Nigeria examined coverage of measles vaccination and reasons for not vaccinating children. METHODS: A household survey covered a stratified random cluster sample of 180 enumeration areas in Bauchi and Cross River States. Cluster-adjusted bivariate and then multivariate analysis examined associations between measles vaccination and potential determinants among children aged 12-23 months, including household socio-economic status, parental knowledge and attitudes about vaccination, and access to vaccination services. Focus groups of parents in the same sites subsequently discussed the survey findings and gave reasons for non-vaccination. A knowledge to action strategy shared findings with stakeholders, including state government, local governments and communities, to stimulate evidence-based actions to increase vaccination rates. RESULTS: Interviewers collected data on 2,836 children aged 12-23 months in Cross River and 2,421 children in Bauchi. Mothers reported 81.8% of children in Cross River and 42.0% in Bauchi had received measles vaccine. In both states, children were more likely to receive measles vaccine if their mothers thought immunisation worthwhile, if immunisation was discussed in the home, if their mothers had more education, and if they had a birth certificate. In Bauchi, maternal awareness about immunization, mothers' involvement in deciding about immunization, and fathers' education increased the chances of vaccination. In Cross River, children from communities with a government immunisation facility were more likely to have received measles vaccine. Focus groups revealed lack of knowledge and negative attitudes about vaccination, and complaints about having to pay for vaccination. Health planners in both states used the findings to support efforts to increase vaccination rates. CONCLUSION: Measles vaccination remains sub-optimal, particularly in Bauchi. Efforts to counter negative perceptions about vaccination and to ensure vaccinations are actually provided free may help to increase vaccination rates. Parents need to be made aware that vaccination should be free, including for children without a birth certificate, and vaccination could be an opportunity for issuing birth certificates. The study provides pointers for state level planning to increase vaccination rates.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,044
Tête enseignante GPT0,363
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueArchives of Public HealthMême sujetVaccine Coverage and HesitancyTravaux en français237 207