Tracking the uptake and trajectory of COVID-19 vaccination coverage in 15 West African countries: an interim analysis
Notice bibliographique
Résumé
The African Union Bureau of Heads of State and Government endorsed the COVID-19 Vaccine Development and Access Strategy to vaccinate at least 60% of each country's population with a safe and efficacious vaccine by 2022, to achieve the population-level immunity needed to bring the pandemic under control. Using publicly available, country-level population estimates and COVID-19 vaccination data, we provide unique insights into the uptake trends of COVID-19 vaccinations in the 15 countries that comprise the Economic Community of West Africa States (ECOWAS). Based on the vaccination rates in the ECOWAS region after three months of commencing COVID-19 vaccinations, we provide a projection of the trajectory and speed of vaccination needed to achieve a COVID-19 vaccination coverage rate of at least 60% of the total ECOWAS population. After three months of the deployment of COVID-19 vaccines across the ECOWAS countries, only 0.27% of the region's total population had been fully vaccinated. If ECOWAS countries follow this trajectory, the sub-region will have less than 1.6% of the total population fully vaccinated after 18 months of vaccine deployment. Our projection shows that to achieve a COVID-19 vaccination coverage of at least 60% of the total population in the ECOWAS sub-region after 9, 12 and 18 months of vaccine deployment; the speed of vaccination must be increased to 10, 7 and 4 times the current trajectory, respectively. West African governments must deploy contextually relevant and culturally acceptable strategies for COVID-19 vaccine procurements, distributions and implementations in order to achieve reasonable coverage and save lives, sooner rather than later.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 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 ».