Strategies to Improve Influenza Vaccination in Pediatric Inflammatory Bowel Disease Through Education and Access
Notice bibliographique
Résumé
BACKGROUND: Influenza vaccine uptake remains low in patients with inflammatory bowel disease despite an increased risk of complications from infection. We studied barriers to vaccination and evaluated the impact of an educational intervention and vaccine provision in pediatric patients with inflammatory bowel disease. METHODS: A prospective cohort study was completed over 2 successive influenza seasons. In year 1, we surveyed parents and patients aged 14 years or older regarding influenza vaccination. In year 2, before the influenza season, patients were provided with an educational module. After influenza vaccine availability, patients were offered both education and vaccine in clinic. Chi-squared analysis was used to identify significant differences in vaccination rates in each intervention group. Demographic factors were associated with vaccination status. RESULTS: In year 1, 180 parents and 183 adolescents completed the survey. In year 1, 47% of patients obtained the influenza vaccine and 34% of patients reported obtaining the vaccine annually. Top reasons for nonvaccination were perceived lack of benefit (28%) and concerns about adverse events (19%). In year 2 (n = 228), the vaccination rate in patients who received the education alone was 75.0%, compared with 89.5% of patients who received both education and vaccine access in clinic (P = 0.0043). Among the patients who took part in both study years (n = 129), influenza vaccination rates increased from 45% in year 1 to 82% in year 2 (P < 0.0001). CONCLUSIONS: The educational intervention was associated with improved influenza vaccination rates. Additional vaccine uptake was achieved with provision of influenza vaccination during clinic visits.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».