Interventions designed to improve vaccination uptake: Scoping review of systematic reviews and meta-analyses - protocol (version 1)
Notice bibliographique
Résumé
Abstract Background Vaccine uptake varies substantially, and resources to promote the uptake of vaccines differ widely by country and income level. As a result, immunization rates are often suboptimal. There is a need to understand what works, particularly in low- and middle-income countries and other settings where resources are scarce. Methods We plan to conduct a scoping review of interventions designed to increase vaccination uptake We will include systematic reviews and meta-analyses of interventional studies that address the question of vaccine uptake. We will search the following electronic databases: MEDLINE, Cochrane Database of Systematic Reviews, EMBASE, Epistemonikos, Google Scholar, LILACs and TRIP database (which covers guidelines and the grey literature) until 01 July 2021 and hand-search the reference lists of included articles. We will include systematic reviews that comprise studies of all ages if they report quantitative data on the impact on vaccine uptake. To assess the quality, we will use a modified AMSTAR score and ate the quality of the evidence in included reviews using the “Grade of Recommendations Assessment, Development and Evaluation” (GRADE). Expected results We intend to present the evidence using summary tables to present the evidence stratified by vaccine coverage, the specific population, e.g., children, adolescents and older adults, and by setting, e.g. healthcare, community. We will also present when low middle-income subgroups are reported.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,076 | 0,147 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,004 |
| Méta-épidémiologie (sens large) | 0,019 | 0,018 |
| Bibliométrie | 0,012 | 0,015 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,007 | 0,007 |
| Science ouverte | 0,004 | 0,006 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,086 | 0,011 |
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 source (Gemma direct ou Codex distillé), 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 ».