MétaCan
Menu
Retour à la cohorte
Enregistrement W3151440164 · doi:10.14745/ccdr.v47i03a07f

Concevoir des interventions adaptées pour éliminer les obstacles à la vaccination

2021· article· fr· W3151440164 sur OpenAlexaffvenueabout
Katrine Bach Habersaat, Noni E. MacDonald, Ève Dubé

Notice bibliographique

RevueRelevé des maladies transmissibles au Canada · 2021
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

En dépit des efforts visant à promouvoir la vaccination et à rendre les services de vaccination facilement accessibles, les taux de couverture vaccinale demeurent inférieurs aux taux cibles de nombreux vaccins dans plusieurs administrations. Le Bureau régional de l’Organisation mondiale de la santé (OMS) pour l’Europe a élaboré l’approche des Programmes de vaccination adaptés (programmes TIP) afin d’appuyer les efforts des différents pays pour parvenir à une utilisation des vaccins élevée et équitable. Dans la présente série d’articles du Centre canadien des ressources et d’échange sur les données probantes en vaccination (CANVax), nous présentons les principaux apprentissages tirés du cadre de la planification des programmes TIP afin d’aider les planificateurs, les décideurs et les fournisseurs de vaccins à déterminer les interventions qui mèneront à une utilisation accrue du vaccin. L’approche TIP est progressive et comprend les éléments suivants : 1) une identification claire de la cause fondamentale du faible taux de vaccination; 2) une intervention fondée sur la compréhension de cette cause; et 3) une évaluation du processus de mise en œuvre et de l’impact des interventions. Au niveau des fournisseurs et patients, les approches et les idées du cadre de planification de l’approche TIP pourraient éclairer la consultation sur la vaccination en soulignant l’importance de s’engager auprès des patients et des aidants, de les écouter et de répondre à leurs besoins.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,038
score de la tête « metaresearch » (Gemma)0,064
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil0,202

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0380,064
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,003
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0130,002

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.

Tête enseignante Opus0,042
Tête enseignante GPT0,284
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueRelevé des maladies transmissibles au CanadaMême sujetVaccine Coverage and HesitancyTravaux en français237 207