Designing COVID-19 vaccine mandates in colleges and universities: a roadmap to the 10 key questions
Notice bibliographique
Résumé
COVID-19 transmission among students, faculty, and staff at US institutions of higher education (IHEs) is a pressing concern, especially with the dominance of the highly contagious Delta variant and emergence of the Omicron variant. From the start of the pandemic to May 26, 2021, >700,000 cases were linked to US colleges and universities. To protect their populations and surrounding communities, IHE administrators are increasingly considering COVID-19 vaccine requirements. Roughly one-quarter of the nearly 4,000 college and university campuses across the US have announced COVID-19 vaccine mandates for students or employees. However, deciding to require vaccination is only the first of multiple decisions, as IHEs face complex issues of how to design and refine their mandates, including whether to require boosters. Mandates vary significantly in stringency, implementation, impact on members of the college or university community, and net benefit to the institution. This essay examines 10 key questions that an IHE must face in designing or refining a COVID-19 vaccination mandate. Showing that these 10 questions were carefully considered may be crucial if the institution's mandate is challenged. Ultimately, how an IHE designs its mandate may make the difference between meaningful risk mitigation that advances institutional goals and benefits students, faculty, and staff versus a public health failure that erodes trust, raises equity concerns, threatens to undermine preexisting vaccination requirements, and divides the campus.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».