MétaCan
Menu
← Retour à la cohorte
Enregistrement W4283771253 · doi:10.1101/2022.06.30.22277115

Increased disparity in routine infant vaccination during COVID-19

2022· preprint· en· W4283771253 sur OpenAlexafffundabout
Christiaan H. Righolt, Gupreet Pabla, Salaheddin M. Mahmud

Notice bibliographique

RevuemedRxiv · 2022
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of ManitobaChildren's Hospital Research Institute of Manitoba
Organismes subventionnairesSanofiSeqirusManitoba Medical Service FoundationPfizer
Mots-clésPandemicMedicineMeaslesVaccinationResidenceEnvironmental healthRotavirus vaccineDemographyPediatricsCoronavirus disease 2019 (COVID-19)VirologyRotavirusDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

Abstract Background COVID-19 restrictions and its impact on healthcare resources have reduced routine infant vaccine uptake, although some report that this effect was short-lived. These prior studies mostly described entire populations, but disparities in uptake may have changed during the pandemic due to differential access to healthcare. Objectives We aimed to examine disparities in the reduction in routine infant vaccine uptake during the COVID-19 pandemic in Manitoba, Canada. Methods We assessed vaccine uptake for routine infant vaccines for a pre-pandemic and pandemic subcohort. We assessed how the reduction in vaccine uptake differed by gender, neighborhood income quintile and region of residence. For each evaluation age, we limited the pandemic subcohort to children reaching this milestone age on/before November 30, 2021. Results Vaccine uptake was about 5-10% lower during the pandemic. The groups most vulnerable to COVID-19 saw the largest reductions in vaccine uptake, with an ongoing downward trend throughout the pandemic. Children in the lowest income neighborhoods saw a 17% reduction in diphtheria, tetanus, and acellular pertussis dose 4 uptake at 24 months, 4.4-fold that of high-income neighborhoods, and an 11% reduction in measles, mumps, rubella (MMR) vaccine uptake at 24 months, 5.6-fold that of high-income neighborhoods. The largest reductions were for low-income Northern residents and smallest for high-income Winnipeg residents, e.g. 16-fold larger for MMR at 24 months (79:94 pre-pandemic to 65:93 during the pandemic). Conclusions While privileged children have similar high vaccine uptake as before the pandemic, children in populations hardest hit by COVID-19 continue seeing concerning reductions in routine infant vaccination. It is imperative that infant vaccination rates are increased, especially in communities with lower socioeconomic status, as a failure to do so could lead to persistent rebound epidemics in the most vulnerable populations. Synopsis Study question How did COVID-19 and its restrictions affect routine infant vaccine uptake? What’s already known We know that vaccine uptake in infants decreased during the pandemic. We do not know whether this affected everyone equally or whether the pandemic worsened existing disparities in vaccine uptake. What this study adds Although vaccine uptake was not affected in wealthy urban neighborhoods, the reduction in uptake was largest, and continued on a downward trend, for groups with the lowest baseline vaccine uptake. Only two-thirds of children, instead of the 4/5th before the pandemic, in the remote, predominantly Indigenous Northern region received a measles vaccine by their second birthday.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,714
Score d'incertitude au seuil0,576

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,030
Tête enseignante GPT0,330
Écart entre enseignants0,300 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations0
Publié2022
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→