Features of human papillomavirus vaccination education strategies in low- and middle-income countries: a scoping review
Notice bibliographique
Résumé
OBJECTIVE: We aimed to describe studies on human papillomavirus (HPV) vaccination education strategies from low- and middle-income countries in the published literature that could be applicable in Sub-Sahara Africa. STUDY DESIGN: This scoping review was guided by Arksey and O'Malley's methodological framework advanced by Levac et al. METHODS: We searched four electronic health sciences databases for relevant reports published between January 2006 and January 2021. Two reviewers screened for inclusion and extracted data for analysis and synthesis. Descriptive statistics and narrative descriptions were used to summarize the findings. RESULTS: The database search retrieved 1757 reports, of which 48 were from low- and middle-income countries and met the inclusion criteria. Of these, there were 39 interventional studies (81.3%). Less than one-fifth of the studies (n = 9) reported a theoretical basis for their strategies. Most strategies sought to improve knowledge and awareness about HPV (75%, n = 36), whereas outcomes for the remaining studies were related to increasing HPV vaccine acceptability. HPV education strategies (1) primarily targeted females, (2) were mostly provided by health professionals, and (3) used various modalities of learning, including in-person sessions, text-based materials, media, theater, and online delivery. CONCLUSIONS: HPV educational strategies are underresearched in most LMICs, suggesting the need for more primary observational, interventional, and experimental research, as well as program evaluations, focused on HPV educational strategies and theoretically informed. Once additional studies are added to the body of evidence, it will be valuable to review and synthesize diverse sources of evidence to determine what educational strategies are most useful and have the greatest impact on HPV vaccination in these settings, particularly Sub-Saharan Africa.
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 | 0,023 | 0,094 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,006 | 0,005 |
| Bibliométrie | 0,029 | 0,028 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,006 | 0,005 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».