Advancing the application of systems thinking in health: understanding the growing complexity governing immunization services in Kerala, India
Notice bibliographique
Résumé
BACKGROUND: Governing immunization services in a way that achieves and maintains desired population coverage levels is complex as it involves interactions of multiple actors and contexts. In one of the Indian states, Kerala, after routine immunization had reached high coverage in the late 1990s, it started to decline in some of the districts. This paper describes an application of complex adaptive systems theory and methods to understand and explain the phenomena underlying unexpected changes in vaccination coverage. METHODS: We used qualitative methods to explore the factors underlying changes in vaccination coverage in two districts in Kerala, one with high and one with low coverage. Content analysis was guided by features inherent to complex adaptive systems such as phase transitions, feedback, path dependence, and self-organization. Causal loop diagrams were developed to depict the interactions among actors and critical events that influenced the changes in vaccination coverage. RESULTS: We identified various complex adaptive system phenomena that influenced the change in vaccination coverage levels in the two districts. Phase transition describes how initial acceptability to vaccination is replaced by a resistance in northern Kerala, which involved new actors; actors attempting to regain acceptability and others who countered it created several feedback loops. We also describe how the authorities have responded to declining immunization coverage and its impact on vaccine acceptability in the context of certain highly connected actors playing disproportionate influence over household vaccination decisions.Theoretical exposition of our findings reveals the important role of trust in health workers and institutions that shape the interactions of actors leading to complex adaptive system phenomena. CONCLUSIONS: As illustrated in this study, a complex adaptive system lens helps to uncover the 'real' drivers for change. This approach assists researchers and decision makers to systematically explore the driving forces and factors in each setting and develop appropriate and timely strategies to address them. The study calls for greater consideration of dynamics of vaccine acceptability while formulating immunization policies and program strategies. The analytical approaches adopted in this study are not only applicable to immunization or Kerala but to all complex interventions, health systems problems, and contexts.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
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 | 0,029 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».