Interventions to Improve Influenza and Pneumococcal Vaccination Rates Among Community-Dwelling Adults: A Systematic Review and Meta-Analysis
Notice bibliographique
Résumé
PURPOSE: Influenza and pneumococcal vaccination rates remain below national targets. We systematically reviewed the effectiveness of quality improvement interventions for increasing the rates of influenza and pneumococcal vaccinations among community-dwelling adults. METHODS: We included randomized and nonrandomized studies with a concurrent control group. We estimated pooled odds ratios using random effects models, and used the Downs and Black tool to assess the quality of included studies. RESULTS: Most studies involved elderly primary care patients. Interventions were associated with improvements in the rates of any vaccination (111 comparisons in 77 studies, pooled odds ratio [OR] = 1.61, 95% CI, 1.49-1.75), and influenza (93 comparisons, 65 studies, OR = 1.46, 95% CI, 1.35-1.57) and pneumococcal (58 comparisons, 35 studies, OR = 2.01, 95% CI, 1.72-2.3) vaccinations. Interventions that appeared effective were patient financial incentives (influenza only), audit and feedback (influenza only), clinician reminders, clinician financial incentives (influenza only), team change, patient outreach, delivery site changes (influenza only), clinician education (pneumococcus only), and case management (pneumococcus only). Patient outreach was more effective if personal contact was involved. Team changes were more effective where nurses administered influenza vaccinations independently. Heterogeneity in some pooled odds ratios was high, however, and funnel plots showed signs of potential publication bias. Study quality varied but was not associated with outcomes. CONCLUSIONS: Quality improvement interventions, especially those that assign vaccination responsibilities to nonphysician personnel or that activate patients through personal contact, can modestly improve vaccination rates in community-dwelling adults. To meet national policy targets, more-potent interventions should be developed and evaluated.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,030 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,020 | 0,033 |
| Bibliométrie | 0,007 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».