MétaCan
Menu
Retour à la cohorte
Enregistrement W2208735451 · doi:10.1093/ofid/ofu052.1259

1713Interventions to Increase Healthcare Worker Influenza Vaccination: a meta-analysis

2014· article· en· W2208735451 sur OpenAlexaff
Reed Siemieniuk, Brenda L. Coleman, Shumona Shafiz, Ahmed Al-Den, Stephen Bornsten, Robert Kean, Allison McGeer, Laura Goodliffe

Notice bibliographique

RevueOpen Forum Infectious Diseases · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensMemorial University of NewfoundlandMount Sinai HospitalPublic Health OntarioUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMedicinePsychological interventionVaccinationCINAHLHealth careMEDLINEInfluenza vaccineMeta-analysisFamily medicineInternal medicineImmunologyNursing

Résumé

récupéré en direct d'OpenAlex

Background. Rates of healthcare worker (HCW) influenza vaccination remain suboptimal, however the most effective way to increase uptake is controversial. We conducted a systematic review of the literature of interventions to increase influenza vaccine coverage in HCWs. Methods. An expert librarian searched the following databases to July 9, 2013: MEDLINE, EMBASE, CENTRAL, Web of Science, Scopus, and CINAHL. References and conference abstracts were also searched. Interventions were classified into 9 categories (see Results). Two reviewers independently extracted data and classified risk of bias. Primary outcomes were 1) reduction in number of unvaccinated HCWs, and 2) interventions that achieved 95% vaccination rates; each at 1 year (early) and 3 ±1 years (late) after intervention implementation. Results. 9193 titles/abstracts were reviewed, and 121 were included (Figure 1). Of 174 comparisons, 78 were low risk of bias (RoB), 30 were moderate RoB, and 66 were high RoB. There were 132 before/after studies, 23 randomized trials, 12 surveys, 7 cohort studies, and 1 case-control study. All interventions were significantly associated with a reduction in unvaccinated HCWs (listed from largest to smallest effect size): condition of service [12 studies; 357,560 HCWs; 93% reduction in unvaccinated HCWs, (95%CI 91-95%); I2 = 99%], vaccine-or-mask [12 studies; 581,926 HCWs; 74% (61-88%); 100%], declination forms [14 studies; 209,290 HCWs; 41% (35–46%); 98%], audit-and-feedback [15 studies; 545,403 HCWs; 35% (29–40%); 99%], increased vaccine access [46 studies; 764,570 HCWs; 32% (27–36%); 100%], role models [18 studies; 204,514 HCWs; 30% (24–36%); 99%], peer-vaccination [7 studies; 120,670 HCWs; 29% (10–45%); 100%], incentives [17 studies; 188,933 HCWs; 28% (21–33%); 99%], and education/promotion only [16 studies; 554,706 HCWs; 11% (7–16%); 99%]. The interventions that achieved 95% HCW vaccination rates were: condition of service (13/13 early; 4/4 late), vaccine-or-mask (3/15 early; 0/2 late), and role models (1/19 early; 1/10 late). Conclusion. All interventions examined increased HCW influenza vaccine uptake to various degrees. However, only condition of service policies appear to result in sustained HCW vaccination rates of >95%. Disclosures. B. Coleman, Sanofi Pasteur: Investigator, Research grant; GSK: Grant Investigator, Research grant; Novartis: Grant Investigator, Research grant A. Mcgeer, Sanofi Pasteur: Grant Investigator and Scientific Advisor, Research grant; GSK: Grant Investigator, Research grant; Novartis: Grant Investigator, Research grant

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)0,015
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Méta-analyse · Signal consensuel: Méta-analyse
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,080

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0150,027
Méta-épidémiologie (sens strict)0,0040,002
Méta-épidémiologie (sens large)0,0200,051
Bibliométrie0,0060,005
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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.

Tête enseignante Opus0,128
Tête enseignante GPT0,446
Écart entre enseignants0,319 · 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'étudeMéta-analyse
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

Citations2
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Forum Infectious DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207