Multilevel Analysis of Individual and Contextual Factors Associated with Polio Non-Vaccination in Africa: Further Analyses to Enhance Policy and Opportunity to Save More Lives
Notice bibliographique
Résumé
Background: Africa was certified polio-free in 2020 and to maintain the polio-free status, African countries need to attain and maintain optimal routine polio vaccination coverage. One indicator for optimal polio vaccination coverage is the prevalence of children who have received no polio vaccination through routine services. The objective of the study was to examine the individual-, neighbourhood-, and country-level factors associated with non-vaccination against polio in Africa. Methods: We applied multivariable multilevel logistic regression analyses on recent demographic and health survey data collected from 2010 onwards in Africa. We identified 64,867 children aged 12–23 months (Level 1) nested within 16,283 neighbourhoods (Level 2) from 32 countries (Level 3). Results: The prevalence of non-vaccination for polio ranged from 2.19% in Egypt to 32.74% in Guinea. We found the following factors to be independent predictors of the increased odds of non-vaccination for polio: being a male child, born to mother with no formal education, living in poorer households; being from a polygamous family, living in neighbourhoods with high maternal illiteracy, high unemployment rate, and low access to media. Conclusions: We found that both individual and contextual factors are associated with non-vaccination for Polio.
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 | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| 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 ».