Country-Level Assessment of Missed Opportunities for Vaccination in South Africa: Protocol for Multilevel Analysis
Notice bibliographique
Résumé
BACKGROUND: Vaccination is one of the greatest public health interventions of all time. Vaccination coverage in South Africa has shown a steady improvement in reaching the national target. However, while there is progress nationally, there are districts within the country that are below the set target for vaccination coverage. One of the main drivers of suboptimal vaccination coverage is thought to be missed opportunities for vaccination. OBJECTIVE: This study aims to understand the magnitude and determinants of missed opportunities for vaccination in South Africa. METHODS: The 2016 South African Demographic and Health Survey will be used to conduct multilevel regression analyses to determine individual and contextual factors associated with missed opportunities for vaccination in South Africa. The perspectives of parents attending health care facilities in South Africa will be explored through exit interviews and focus group discussions. Similarly, perspectives of the health care providers will be sought to understand enablers and barriers to vaccination coverage at the facility level. Insights to such factors will aid in designing tailor-made interventions to improve vaccination coverage in South Africa. RESULTS: Ethical review submission is planned for October 2020. Data collection is expected to be underway in January 2021. CONCLUSIONS: The extent of missed opportunities in South Africa coupled with the associated factors presents an opportunity for efforts to increase uptake in districts where vaccination coverage is below the national target. Population-level data such as those from the 2016 South African Demographic Health Survey will provide an idea of the magnitude of missed opportunities for vaccination in South Africa at the national and subnational levels. The findings of the study will inform national and subnational policy implementation on vaccinations and help to find context-specific interventions to improve vaccination coverage. INTERNATIONAL REGISTERED REPORT IDENTIFIER (IRRID): PRR1-10.2196/16672.
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 | 0,035 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,118 | 0,015 |
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 ».