The Influence of Compositional and Contextual Factors on Non-Receipt of Basic Vaccines among Children of 12-23-Month Old in India: A Multilevel Analysis
Notice bibliographique
Résumé
BACKGROUND: Children unreached by vaccination are at higher risk of poor health outcomes and India accounts for nearly a quarter of unvaccinated children worldwide. The objective of this study was to investigate compositional and contextual determinants of non-receipt of childhood vaccines in India using multilevel modelling. METHODS AND FINDINGS: We studied characteristics of unvaccinated children using the District Level Health and Facility Survey 3, a nationally representative probability sample containing 65 617 children aged 12-23 months from 34 Indian states and territories. We developed four-level Bayesian binomial regression models to examine the determinants of non-vaccination. The analysis considered two outcomes: completely unvaccinated (CUV) children who had not received any of the eight vaccine doses recommended by India's Universal Immunization Programme, and children who had not received any dose from routine immunisation services (no RI). The no RI category includes CUV children and those who received only polio doses administered via mass campaigns. Overall, 4.83% (95% CI: 4.62-5.06) of children were CUV while 12.01% (11.68-12.35) had received no RI. Individual compositional factors strongly associated with CUV were: non-receipt of tetanus immunisation for mothers during pregnancy (OR = 3.65 [95% CrI: 3.30-4.02]), poorest household wealth index (OR = 2.44 [1.81-3.22] no maternal schooling (OR = 2.43 [1.41-4.05]) and no paternal schooling (OR = 1.83 [1.30-2.48]). In rural settings, the influence of maternal illiteracy disappeared whereas the role of household wealth index was reinforced. Factors associated with no RI were similar to those for CUV, but effect sizes for individual compositional factors were generally larger. Low maternal education was the strongest risk factor associated with no RI in all models. All multilevel models found significant variability at community, district, and state levels net of compositional factors. CONCLUSION: Non-vaccination in India is strongly related to compositional characteristics and is geographically distinct. Tailored strategies are required to overcome current barriers to immunisation.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».