MétaCan
Menu
Retour à la cohorte
Enregistrement W3216406350 · doi:10.3390/vaccines9121378

Towards Ending Immunization Inequity

2021· article· en· W3216406350 sur OpenAlexaff
Anna Victoria Sangster, Jane Barratt

Notice bibliographique

RevueVaccines · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensInternational Federation on Ageing
Organismes subventionnairesnon disponible
Mots-clésVaccinationImmunizationEnvironmental healthVaccine-preventable diseasesBusinessMedicinePolitical scienceImmunologyMeasles

Résumé

récupéré en direct d'OpenAlex

Vaccine-preventable diseases (VPD) are responsible for a significant portion of mortality across the life course in both low-income countries and in medium- and high-income countries. Yet, countries are consistently below the adult influenza vaccination targets, with rates in recent times even falling in some areas. (1) The study Towards Ending Immunization Inequity seeks to understand the various factors that contribute to the accessibility and effectiveness of vaccine-related messages and campaigns including the effects of social determinants, with the knowledge that these opportunities for communication represent a unique policy lever to improving uptake rates of vaccination in the most at-risk communities. (2) To address this knowledge gap, a 3-phase mixed-methods study was conducted including a preliminary scan of existing vaccine schedules and NITAG recommendations, focus groups and a cross-sectional survey. (3) Study results indicated that social determinants play a key role in an individual's knowledge of vaccine-related information including types of vaccines available, vaccination gateways, vaccine recommendations and vaccine safety. (4) However, knowing that social determinants can influence uptake rates does not readily create opportunities and entry points for governments to implement tangible actions. An accessible entry point to reducing and ending immunization inequity is through changes in public health messaging to reach those who are currently unreachable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,521
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,032
Tête enseignante GPT0,323
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations12
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccinesMême sujetVaccine Coverage and HesitancyTravaux en français237 207