Factors associated with incomplete immunisation in children aged 12–23 months at subnational level, Nigeria: a cross-sectional study
Notice bibliographique
Résumé
OBJECTIVES: National immunisation coverage rate masks subnational immunisation coverage gaps at the state and local district levels. The objective of the current study was to determine the sociodemographic factors associated with incomplete immunisation in children at a sub-national level. DESIGN: Cross-sectional study using the WHO sampling method (2018 Reference Manual). SETTING: Fifty randomly selected clusters (wards) in four districts (two urban and two rural) in Enugu state, Nigeria. PARTICIPANTS: 1254 mothers of children aged 12-23 months in July 2020. PRIMARY AND SECONDARY OUTCOME MEASURES: Fully immunised children and not fully immunised children. RESULTS: Full immunisation coverage (FIC) rate in Enugu state was 78.9% (95% CI 76.5% to 81.1%). However, stark difference exists in FIC rate in urban versus rural districts. Only 55.5% of children in rural communities are fully immunised compared with 94.5% in urban communities. Significant factors associated with incomplete immunisation are: children of single mothers (aOR=5.74, 95% CI 1.45 to 22.76), children delivered without skilled birth attendant present (aOR=1.93, 95% CI 1.24 to 2.99), children of mothers who did not receive postnatal care (aOR=6.53, 95% CI 4.17 to 10.22), children of mothers with poor knowledge of routine immunisation (aOR=1.76, 95% CI 1.09 to 2.87), dwelling in rural district (aOR=7.49, 95% CI 4.84 to 11.59), low-income families (aOR=1.56, 95% CI 1.17 to 2.81) and living further than 30 min from the nearest vaccination facility (aOR=2.15, 95% CI 1.31 to 3.52). CONCLUSIONS: Although the proportion of fully immunised children in Enugu state is low, it is significantly lower in rural districts. Study findings suggest the need for innovative solutions to improve geographical accessibility and reinforce the importance of reporting vaccination coverage at local district level to identify districts for more targeted interventions.
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
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Observationnel | high |
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».