Identifying priority challenges and solutions for COVID-19 vaccine delivery in low- and middle-income countries: A modified Delphi study
Notice bibliographique
Résumé
BACKGROUND: The rapid implementation of global COVID-19 vaccination programs has surfaced many challenges and inequities, particularly in low- and middle-income countries (LMICs). However, there continues to be a lack of consensus on which challenges are global priorities for action, and how to best respond to them. This study uses consensus-based methods to identify and rank the most important challenges and solutions for implementation of COVID-19 vaccination programs in LMICs. METHODS: We conducted a three-round modified Delphi study with a global panel of vaccine delivery experts. In Round I, panelists identified broad topical challenges and solutions. Responses were collated and coded into distinct items. Through two further rounds of structured, iterative surveys panelists reviewed and ranked the identified items. Responses were analyzed qualitatively and quantitatively to achieve consensus on the most important COVID-19 vaccine delivery challenges and solutions. RESULTS: Of the 426 invited panelists, 96 completed Round I, 56 completed Round II, and 39 completed Round III. Across all three rounds there was equal representation by gender, and panelists reported work experience in all World Bank regions and across a variety of content areas and organizations. Of the 64 initially identified items, the panel achieved consensus on three challenges and 10 solutions. Challenges fell under themes of structural factors and infrastructure and human and material resources, while solutions also included items within themes of communication, community engagement, and access and planning, processes, and operations. CONCLUSION: COVID-19 vaccine delivery is challenged by long-standing and structural inequities that disadvantage health service delivery in LMICs. These findings can, and should, be used by global health organizations to efficiently and optimally direct resources to respond to these key challenges and solutions.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,078 | 0,056 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,004 |
| Communication savante | 0,003 | 0,005 |
| Science ouverte | 0,003 | 0,010 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».