Patterns and association of vaccination among adults with a history of cancer in the USA: a population-based study
Notice bibliographique
Résumé
Aim: To assess the association of vaccination status among adults with history of cancer in a population-based cohort in the USA. Materials & methods: National Health Interview Survey datasets (2008–2018) have been accessed and information about the patterns and associations of the following vaccinations were collected (influenza vaccination, pneumococcal vaccination, hepatitis B vaccination, hepatitis A vaccination and shingles vaccination). Association of different sociodemographic variables with each of the above types of vaccination was studied through multivariable logistic regression analysis. Results: Private health insurance (vs no private insurance) was associated with higher percentages of recommended vaccination (influenza vaccination: 65 vs 59.7%; pneumococcal vaccination: 74.9 vs 68.8%; hepatitis B vaccination: 22.9 vs 19.3%; hepatitis A vaccination: 10.1 vs 8.6%; shingles vaccination: 33.8 vs 26.7%; p < 0.001 for all comparisons). Within multivariable logistic regression analyses, African American race, lower education and lower income were associated with less probability of adherence to recommended vaccination (for influenza vaccination; odds ratio (OR) for black race vs white race: 0.785; 95% CI: 0.717–0.859; OR for ≤high school vs >high school education: 0.763; 95% CI: 0.723–0.805; OR for income ≤US$45,000 vs >US$45,000: 0.701; 95% CI: 0.643–0.764). Conclusion: There is evidence of socio-economic disparities in adherence to recommended vaccination among this cohort of cancer survivors in the USA. More efforts need to be done to ensure that recommended vaccination is being delivered to all cancer survivors in need (including enhancing coverage and awareness to under-represented groups of the society).
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».