MétaCan
Menu
Retour à la cohorte
Enregistrement W1996535014 · doi:10.1016/j.vaccine.2015.04.038

Diagnosing the determinants of vaccine hesitancy in specific subgroups: The Guide to Tailoring Immunization Programmes (TIP)

2015· article· en· W1996535014 sur OpenAlexaff
Robb Butler, Noni E. MacDonald

Notice bibliographique

RevueVaccine · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensIzaak Walton Killam Health CentreDalhousie University
Organismes subventionnairesWorld Health Organization
Mots-clésImmunizationVaccinationContext (archaeology)MedicinePopulationFamily medicineEnvironmental healthPublic relationsBusinessPolitical scienceImmunologyGeography

Résumé

récupéré en direct d'OpenAlex

Despite relatively high vaccination coverage rates in the European Region, vaccine hesitancy is undermining individual and community protection from vaccine preventable diseases. At the request of its European Technical Advisory Group of Experts on Immunization (ETAGE), the Vaccine-preventable Diseases and Immunization Programme of the WHO Regional Office for Europe (WHO/EURO) developed tools to help countries address hesitancy more effectively. The Guide to Tailoring Immunization Programmes (TIP), an evidence and theory based behavioral insight framework, issued in 2013, provides tools to (1) identify vaccine hesitant population subgroups, (2) diagnose their demand- and supply-side immunization barriers and enablers and (3) design evidence-informed responses to hesitancy appropriate to the subgroup setting, context and vaccine. The Strategic Advisory Group of Experts on Immunization (SAGE) through its Working Group on Vaccine Hesitancy has closely followed the development, implementation, use and evolution of TIP concluding that TIP, with local adaptation, could be a valuable tool for use in all WHO regions, to help address countries' vaccine hesitancy problems. The TIP principles are applicable to communicable, noncommunicable and emergency planning where behavioral decisions influence outcomes.

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)0,032
score de la tête « metaresearch » (Gemma)0,081
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,032
Score d'incertitude au seuil0,168

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0320,081
Méta-épidémiologie (sens strict)0,0030,002
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0070,003
Études des sciences et des technologies0,0020,003
Communication savante0,0040,004
Science ouverte0,0040,005
Intégrité de la recherche0,0060,011
Charge utile insuffisante (le modèle a refusé de juger)0,0070,007

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 Opus0,036
Tête enseignante GPT0,322
Écart entre enseignants0,286 · 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

Citations284
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetVaccine Coverage and HesitancyTravaux en français237 207