Interventions to increase immunisation coverage among children 12–23 months of age in India through participatory learning and community engagement: pilot study for a cluster randomised trial
Notice bibliographique
Résumé
OBJECTIVE: With the aim of conducting a future cluster randomised trial to assess intervention impact on child vaccination coverage, we designed a pilot study to assess feasibility and aid in refining methods for the larger study. TRIAL DESIGN: Cluster-randomised design with a 1:1 allocation ratio. METHODS: Clusters were 12 villages in rural Uttar Pradesh. All women residing in a selected village who were mothers of a child 0-23 months of age were eligible; participants were chosen at random. Over 4 months, intervention group (IG) villages received: (1) home visits by volunteers; (2) community mobilisation events to promote immunisation. Control group (CG) villages received community mobilisation to promote nutrition. A toll-free number for immunisation was offered to all IG and CG village residents. Primary outcomes were ex-ante criteria for feasibility of the main study related to processes for recruitment and randomisation (50% of villages would agree to participate and accept randomisation; 30 women could be recruited in 70% of villages), and retention of participants (50% of women retained from baseline to endline). Clusters were assigned to IG or CG using a computer-generated randomisation schedule. Neither participants nor those delivering interventions were blinded, but those assessing outcomes were blinded to group assignment. RESULTS: All villages contacted agreed to participate and accepted randomisation. 36 women were recruited per village; 432 participants were randomised (IG n=216; CG n=216). No clusters were lost to follow-up. The main analysis included 86% (373/432) of participants, 90% (195/216) from the IG and 82% (178/216) from the CG. CONCLUSIONS: Criteria related to feasibility were satisfied, giving us confidence that we can successfully conduct a larger cluster randomised trial. Methodological lessons will inform design of the main study. TRIAL REGISTRATION NUMBER: ISRCTN16703097.
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 | 0,009 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».