The influence of place on COVID-19 vaccine coverage in Alberta: A multilevel analysis
Notice bibliographique
Résumé
While there is evidence of urban/rural disparities in COVID-19 vaccination coverage, there is limited data on the influence of other place-based variables. In this cross-sectional study, we analyzed population-based linked administrative health data (publicly-funded health insurance database and province-wide immunization repository) to examine vaccination coverage for 3,945,103 residents aged 12 years and above in Alberta, Canada. We used multilevel logistic regression to examine the association of vaccination coverage with various place-based variables. Furthermore, we combined information on vaccine coverage and neighborhood level COVID-19 risk to categorize forward sortation areas (FSAs) into six categories. After 4 months of widely available COVID-19 vaccine, coverage varied widely between rural and urban areas (58% to 73%) and between geographic health authority zones (55.8% to 72.8%). Residents living in neighborhoods with lower COVID-19 disease incidence had the lowest vaccination coverage (63.2%), while coverage in higher incidence neighborhoods ranged from 68.3% to 71.9%. The multilevel logistic regression model indicated that residence in metro (adjusted odds ratio [aOR] 1.37; 95% CI: 1.31-1.42) and urban areas (aOR 1.11; 95% CI: 1.08-1.14) was associated with higher vaccine coverage than residence in rural areas. Similarly, residence in Edmonton, Calgary, and South health zones was associated with higher vaccine coverage compared to residence in Central zone. Higher income neighborhoods reported higher vaccine coverage than the lowest-income neighborhoods, and the highest COVID-19 risk neighborhoods reported higher vaccine coverage than the lowest risk neighborhoods (aOR 1.52; 95% CI: 1.12-2.05). In the first four months of wider vaccine availability in Alberta, COVID-19 vaccine coverage varied according to various place-based characteristics. Vaccine distribution strategies need to consider place-based variables for program prioritization and delivery.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».