Interventions to Improve Vaccination Uptake and Cost Effectiveness of Vaccination Strategies in Newly Arrived Migrants in the EU/EEA: A Systematic Review
Notice bibliographique
Résumé
Newly arrived migrants to the EU/EEA (arrival within the past five years), as well as other migrant groups in the region, might be under-immunised and lack documentation of previous vaccinations, putting them at increased risk of vaccine-preventable diseases circulating in Europe. We therefore performed a systematic review conforming to PRISMA guidelines (PROSPERO CRD42016045798) to explore: (i) interventions that improve vaccine uptake among migrants; and (ii) cost-effectiveness of vaccination strategies among this population. We searched MEDLINE, Embase, CINAHL, and Cochrane Database of Systematic Reviews (CDSR) between 1 January 2006 to 18 June 2018. We included three primary intervention studies performed in the EU/EEA or high-income countries and one cost effectiveness study relevant to vaccinations in migrants. Intervention studies showed small but promising impact only on vaccine uptake with social mobilization/community outreach, planned vaccination programs and education campaigns. Targeting migrants for catch-up vaccination is cost effective for presumptive vaccination for diphtheria, tetanus, and polio, and there was no evidence of benefit of carrying out pre-vaccination serological testing. The cost-effectiveness is sensitive to the seroprevalence and adherence to vaccinations of the migrant. We conclude that scarce but direct EU/EEA data suggest social mobilization, vaccine programs, and education campaigns are promising strategies for migrants, but more research is needed. Research should also study cost effectiveness of strategies. Vaccination of migrants should continue to be a public heath priority in EU/EEA.
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 | 0,017 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».