MétaCan
Menu
Retour à la cohorte
Enregistrement W4292566183 · doi:10.5267/j.msl.2022.5.002

Analysis of barriers in effective immunization against COVID 19 using F-DEMATEL

2022· article· en· W4292566183 sur OpenAlexvenueno aff
Jogendra Jangre, Samidha Prasad, Kanika Prasad

Notice bibliographique

RevueManagement Science Letters · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCOVID-19 Pandemic Impacts
Établissements canadiensnon disponible
Organismes subventionnairesBattelle
Mots-clésPandemicMisinformationPopulationImmunizationCoronavirus disease 2019 (COVID-19)VaccinationBusinessMedicineEnvironmental healthComputer scienceDiseaseComputer securityVirologyImmunologyInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

India had broken all the records and counts of confirmed COVID-19 cases per day and daily death toll reached over thousands. India is way far from other developed nations in the number of vaccine doses per 100 population. Although vaccination is an effective measure to be followed to overcome this grave situation, still certain misconceptions and rumors throughout the country have pulled a decent part of the population from being vaccinated. Another big challenge is production and supply of vaccines to meet the demand. COVID-19 pandemic will not end until the entire population gets vaccinated that would protect them from this deadly disease. Therefore, this paper aims at clearly identifying the factors and subsequently prioritizing them as barriers in effective immunization against COVID-19 in India following multi-criteria decision making (MCDM) technique. In this study, a fuzzy decision-making trail and evaluation laboratory (F-DEMATEL) approach is applied for understanding the contextual relationship among the barriers for effective immunization against COVID-19. The methodology is followed in a fuzzy environment to address the issue of uncertainty in the data gathered. The result suggests that the ‘Misinformation/ Misconceptions/ Lack of vaccine education in underserved communities’, ‘Lack of information regarding a vaccination center close to home’, ‘Difficulties in getting appointments’, ‘Supply chain issues in the distribution of vaccine’, and ‘Lack of access for marginalized communities’ are the important barriers in effective immunization against COVID-19. Recommendations have been made to overcome this situation and help to immunize the population and drag COVID-19 down to earth.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,027
Tête enseignante GPT0,267
Écart entre enseignants0,240 · 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'étudeSimulation ou modélisation
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

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Science LettersMême sujetCOVID-19 Pandemic ImpactsTravaux en français237 207