Estrategias para incrementar la demanda de vacunación infantil en países de ingresos bajos y medios: una revisión sistemática y un metanálisis
Notice bibliographique
Résumé
Objective: To investigate which strategies to increase demand for vaccination are effective in increasing child vaccine coverage in low- and middle-income countries. Methodology: We searched MEDLINE, EMBASE, Cochrane library, POPLINE, ECONLIT, CINAHL, LILACS, BDSP, Web of Science and Scopus databases for relevant studies, published in English, French, German, Hindi, Portuguese and Spanish up to 25 March 2014. We included studies of interventions intended to increase demand for routine childhood vaccination. Studies were eligible if conducted in low- and middle-income countries and employing a randomized controlled trial, non-randomized controlled trial, controlled before-and-after or interrupted time series design. We estimated risk of bias using Cochrane collaboration guidelines and performed random-effects metaanalysis. Results: it was identified 11 studies comprising four randomized controlled trials, six cluster randomized controlled trials and one controlled before-and-after study published in English between 1996 and 2013. Participants were generally parents of young children exposed to an eligible intervention. Six studies demonstrated low risk of bias and five studies had moderate to high risk of bias. We conducted a pooled analysis considering all 11 studies, with data from 11 512 participants. Demand-side interventions were associated with significantly higher receipt of vaccines, relative risk (RR): 1.30, (95% confidence interval, CI: 1.17–1.44). Subgroup analyses also demonstrated significant effects of seven education and knowledge translation studies, RR: 1.40 (95% CI: 1.20–1.63) and of four studies which used incentives, RR: 1.28 (95% CI: 1.12–1.45). Conclusion: Demand-side interventions lead to significant gains in child vaccination coverage in low- and middle-income countries. Educational approaches and use of incentives were both effective strategies.
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 | 0,031 | 0,051 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,019 | 0,038 |
| Bibliométrie | 0,006 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».