Improving rates of maternal immunization: Challenges and opportunities
Notice bibliographique
Résumé
OBJECTIVES: An increasing number of vaccines are recommended or are being developed for use during pregnancy to protect women, fetuses, and/or newborns. For vaccines that are already recommended, vaccine uptake is variable and well below desired target. We reviewed the literature related to factors that affect a healthcare provider's recommendation and a woman's willingness to be vaccinated during pregnancy. DESIGN: A scoping review of published literature from 2005 to 2015 was undertaken and all relevant articles were abstracted, summarized, and organized thematically. RESULTS: Barriers and facilitators were identified that either decreased or increased the likelihood of a healthcare provider offering and a pregnant woman accepting vaccination during pregnancy. Concern about the safety of vaccines given during pregnancy was the most often cited barrier among both the public and healthcare providers. Other barriers included doubt about the effectiveness of the vaccine, lack of knowledge about the burden of disease, and not feeling oneself to be at risk of the infection. Major facilitators for maternal immunization included specific safety information about the vaccine in pregnant women, strong national recommendations, and healthcare providers who both recommended and provided the vaccine to their patients. Systems barriers such as inadequate facilities and staffing, vaccine purchase and storage, and reimbursement for vaccination were also cited. Evidence-based interventions were few, and included text messaging reminders, chart reminders, and standing orders. CONCLUSIONS: In order to have an effective vaccination program, improvements in the uptake of recommended vaccines during pregnancy are needed. A maternal immunization platform is required that normalizes vaccination practice among obstetrical care providers and is supported by basic and continuing education, communication strategy, and a broad range of research.
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 | 0,058 | 0,138 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,008 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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 ».