MétaCan
Menu
Retour à la cohorte
Enregistrement W3157698072 · doi:10.1016/j.puhe.2021.02.034

Childhood immunization appointment reminders and recalls: strengths, weaknesses and opportunities to increase vaccine coverage

2021· article· en· W3157698072 sur OpenAlexaffabout
K.M. Jong, Christopher Sikora, Shannon E. MacDonald

Notice bibliographique

RevuePublic Health · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensAlberta Health ServicesUniversity of CalgaryUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésStrengths and weaknessesMedicineRecallAttendanceFlexibility (engineering)Public healthNursingFamily medicinePsychology

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Childhood immunization coverage has been shown to be greatly impacted by parental forgetfulness regarding immunizations and appointments. Evidence supports the use of reminders and recalls to overcome this barrier, which remind parents about upcoming immunization appointments and inform them once their child is overdue for an immunization. In this study, we sought to identify reminder/recall strategies used throughout a large Canadian province and determine the perceived strengths, weaknesses and areas of improvement of existing strategies. STUDY DESIGN AND METHODS: An environmental scan was performed in 2018 in two phases: (1) interviews with public health leaders from the five zones of Alberta and (2) an online survey of public health centres across the province. Data analysis occurred in 2018 and 2019. RESULTS: Commonly reported strengths of reminders and recalls included their ability to increase appointment attendance and remind parents about immunizations, respectively. A major identified weakness was their time-consuming/resource-intensive nature. Many participants believed reminder/recalls could be improved by modernizing delivery methods. Educational information or strategies to overcome language barriers were rarely incorporated into reminder/recall systems. CONCLUSIONS: There was support for incorporating text messaging and automation into reminder/recall systems while encouraging continued exploration of novel reminder/recall delivery methods. Tailoring reminder/recalls to the needs and preferences of target populations can maximize the effectiveness of these systems. This includes modernizing methods of delivery, addressing language barriers, providing educational information, and allotting some degree of flexibility to local level management of reminder/recalls.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,854
Score d'incertitude au seuil0,526

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,045
Tête enseignante GPT0,313
Écart entre enseignants0,268 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations32
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePublic HealthMême sujetVaccine Coverage and HesitancyTravaux en français237 207