Clinic accessibility and clinic‐level predictors of the geographic variation in 2009 pandemic influenza vaccine coverage in <scp>M</scp>ontreal, <scp>C</scp>anada
Notice bibliographique
Résumé
BACKGROUND: Nineteen mass vaccination clinics were established in Montreal, Canada, as part of the 2009 influenza A/H1N1p vaccination campaign. Although approximately 50% of the population was vaccinated, there was a considerable variation in clinic performance and community vaccine coverage. OBJECTIVE: To identify community- and clinic-level predictors of vaccine uptake, while accounting for the accessibility of clinics from the community of residence. METHODS: All records of influenza A/H1N1p vaccinations administered in Montreal were obtained from a vaccine registry. Multivariable regression models, specifically Bayesian gravity models, were used to assess the relationship between vaccination rates and clinic accessibility, clinic-level factors, and community-level factors. RESULTS: Relative risks compare the vaccination rates at the variable's upper quartile to the lower quartile. All else being equal, clinics in areas with high violent crime rates, high residential density, and high levels of material deprivation tended to perform poorly (adjusted relative risk [ARR]: 0·917, 95% CI [credible interval]: 0·915, 0·918; ARR: 0·663, 95% CI: 0·660, 0·666, ARR: 0·649, 95% CI: 0·645, 0·654, respectively). Even after controlling for accessibility and clinic-level predictors, communities with a greater proportion of new immigrants and families living below the poverty level tended to have lower rates (ARR: 0·936, 95% CI: 0·913, 0·959; ARR: 0·918, 95% CI: 0·893, 0·946, respectively), while communities with a higher proportion speaking English or French tended to have higher rates (ARR: 1·034, 95% CI: 1·012, 1·059). CONCLUSION: In planning future mass vaccination campaigns, the gravity model could be used to compare expected vaccine uptake for different clinic location strategies.
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 | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».