Mind the Gap: What explains the education-related inequality in missed opportunities for vaccination in sub-Saharan Africa? Compositional and structural characteristics
Notice bibliographique
Résumé
Missed opportunities for vaccination (MOV) is an important barrier hindering full immunisation coverage among eligible children. Though factors responsible for MOV are well documented in literature, little attention has been paid to the role of inequalities. The aim of this study is to examine the association between structural or compositional factors and education inequalities in MOV. Blinder-Oaxaca decomposition technique was used to explain the factors contributing to the average gap in missed opportunities for vaccination between uneducated and educated mothers in sub-Saharan Africa using DHS survey data from 35 sub Saharan African countries collected between 2007 and 2016. The sample contained 69,657 children aged 12 to 23 months. We observed a wide variation and inter-country differences in the prevalence of missed opportunity for vaccination across populations and geographical locations. Our results show that the prevalence of MOV in Zimbabwe among uneducated and educated mothers was 9% and 21% respectively while in Gabon corresponding numbers were 85% and 89% respectively. In 15 countries, MOV was significantly prevalent among children born to uneducated mothers (pro-illiterate inequality) while in 5 countries MOV was significantly prevalent among educated mothers (pro-educated inequality). Our results suggest that education-related inequalities in missed opportunities for vaccination are explained by compositional and structural characteristics; and that neighbourhood socio-economic status was the most important contributor to education-related inequalities across countries followed by either the presence of under-five children, media access or household wealth index. The results showed that differential effects such as neighbourhood socio-economic status, presence of under-five children, media access and household wealth index, primarily explained education-related inequality in MOV. Interventions to reduce gaps in education-related inequality in MOV should focus on social determinants of health.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».