Impact of a decision-aid tool on influenza vaccine coverage among HCW in two French hospitals: A cluster-randomized trial
Notice bibliographique
Résumé
INTRODUCTION: Nosocomial outbreaks of seasonal influenza are frequent, and vaccination is largely recommended for healthcare workers (HCWs). Vaccine coverage in French HCWs does not exceed 20%. Decision-aids (DA) are potential useful interventions to increase vaccine coverage (VC). Our aim was to evaluate the impact of a DA on HCWs influenza vaccine coverage. MATERIAL AND METHODS: Prospective cluster-randomized trial conducted in 83 departments in two public hospitals (a teaching and a non-teaching hospital) during the 2018-2019 flu season. Distribution of the DA and of questionnaire about decisional conflict and knowledge in the departments randomized in the intervention group. RESULTS: A total number of 3 547 HCWs were concerned by the study (1 953 in the intervention group, 1 594 in the control group). Global VC was 35.6% during the 2018-2019 season, instead of 23.6% in the 2017-2018 season (p < 0.005). During the 2018-2019 season, VC was 31% (95% CI 28.7-33.3) in the control group and 38.7% (95% CI 36.5-40.9) in the intervention group (p < 0.005). Among the 158 HCWs exposed to the DA who answered the survey, 51.3% had no decisional conflict. HCWs without decisional conflict were more prone to get vaccinated before flu season. CONCLUSION: The use of the DA was associated with a 25% relative increase in VC among HCWs against seasonal influenza. This modest increase remained far from the WHO 75% target, but may have reduced the number of nosocomial. Multi-component interventions are needed to increase VC in HCWs.
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 | 0,013 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,005 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».