MétaCan
Menu
Retour à la cohorte
Enregistrement W4304080307 · doi:10.1136/bmjopen-2022-062894

“We don’t routinely check vaccination background in adults”: a national qualitative study of barriers and facilitators to vaccine delivery and uptake in adult migrants through UK primary care

2022· article· en· W4304080307 sur OpenAlexaff
Jessica Carter, Anushka Mehrotra, Felicity Knights, Anna Deal, Alison F Crawshaw, Farah Yasmin, Lucy Goldsmith, Fatima Wurie, Yusuf Ciftci, Azeem Majeed, Sally Hargreaves

Notice bibliographique

RevueBMJ Open · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensPopulation Health Research InstituteInstitute of Infection and Immunity
Organismes subventionnairesMedical Research CouncilAcademy of Medical SciencesNovo Nordisk FondenNational Institute for Health and Care ResearchNovo NordiskHealth ResearchUniversity of BirminghamDepartment of Health and Social CareEuropean Society of Clinical Microbiology and Infectious Diseases“la Caixa” FoundationNuffield FoundationWorld Health Organization
Mots-clésMedicineVaccinationPrimary careFamily medicinePublic healthQualitative researchEpidemiologyPediatricsNursingImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

OBJECTIVES: Explore primary care professionals' views around barriers/facilitators to catch-up vaccination in adult migrants (foreign-born; over 18 years of age) with incomplete/uncertain vaccination status and for routine vaccines to inform development of interventions to improve vaccine uptake and coverage. DESIGN: Qualitative interview study with purposive sampling and thematic analysis. SETTING: UK primary care. PARTICIPANTS: 64 primary care professionals (PCPs): 48 clinical-staff including general practitioners, practice nurses and healthcare assistants; 16 administrative-staff including practice managers and receptionists (mean age 45 years; 84.4% women; a range of ethnicities). RESULTS: Participants highlighted direct and indirect barriers to catch-up vaccines in adult migrants who may have missed vaccines as children, missed boosters and not be aligned with the UK's vaccine schedule, from both personal and service-delivery levels, with themes including: lack of training and knowledge of guidance among staff; unclear or incomplete vaccine records; and lack of incentivisation (including financial) and dedicated time and care pathways. Adult migrants were reported as being excluded from many vaccination initiatives, most of which focus exclusively on children. Where delivery models existed, they were diverse and fragmented, but included a combination of opportunistic and proactive programmes. PCPs noted that migrants expressed to them a range of views around vaccines, from positivity to uncertainty, to refusal, with specific nationality groups reported as more hesitant about specific vaccines, including measles, mumps and rubella (MMR). CONCLUSIONS: WHO's new Immunization Agenda 2030 calls for greater focus to be placed on delivering vaccination across the life course, targeting underimmunised groups for catch-up vaccination at any age, and UK primary care services therefore have a key role. Vaccine uptake in adult migrants could be improved through implementing new financial incentives or inclusion of adult migrant vaccination targets in Quality Outcomes Framework, strengthening care pathways and training and working directly with local community-groups to improve understanding around the benefits of vaccination at all ages.

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)0,012
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,016
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0060,006
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
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 Opus0,059
Tête enseignante GPT0,402
Écart entre enseignants0,344 · 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'étudeQualitatif
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

Citations26
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBMJ OpenMême sujetVaccine Coverage and HesitancyTravaux en français237 207