MétaCan
Menu
Retour à la cohorte
Enregistrement W4309469877 · doi:10.1016/j.vaccine.2022.11.029

COVID-19 vaccine policy development in a sample of 44 countries – Key findings from a December 2021 survey of National Immunization Technical Advisory Groups (NITAGs)

2022· article· en· W4309469877 sur OpenAlexaff
Anna-Léa Kahn, Christoph A. Steffen, Louise Henaff, Noni E. MacDonald, Chris Morgan, Ruth Faden, Folake Olayinka, Shalini Desai

Notice bibliographique

RevueVaccine · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensDalhousie University
Organismes subventionnairesWorld Health OrganizationPublic Health Institute
Mots-clésPandemicImmunizationPopulationBusinessCoronavirus disease 2019 (COVID-19)Economic growthPolitical scienceMedicineEnvironmental healthEconomicsImmunologyDisease

Résumé

récupéré en direct d'OpenAlex

National Immunization Technical Advisory Committees (NITAGs) are tasked with the responsibility of guiding ministries of health and national immunization programmes in their policy development processes. Many NITAGs rely on evidence reviewed by the World Health Organization's (WHO) Strategic Group of Experts(SAGE) on immunization and aim to adapt WHO's recommendations to their respective contexts. This relationship took on exceptional importance since the onset of the COVID-19 pandemic, during which NITAGs have expressed a notable struggle to craft appropriate policies on population prioritization and vaccine utilization in the face of supply constraints and complex programmatic and delivery logistics. This online survey was conducted to assess the usefulness of the SAGE guidance documents for COVID-19 vaccine policies and to examine the persisting needs and challenges facing NITAGs. Results confirmed that SAGE recommendations concerning COVID-19 vaccines are easy to access, understand, and adapt. They have been found to be comprehensive and timely under the data and time constrained circumstances confronting SAGE. The Global NITAG Network (GNN) appears to be the most popular vehicle for addressing questions among high income countries, in contrast to lower income countries who favour WHO Country or Regional Offices. NITAGs place much value on interaction with other NITAGs, which requires facilitation and could benefit from increased opportunities, especially within regions. It is further noted that some NITAGs have had to tackle issues during the pandemic not typically considered by SAGE, such as supply chain logistics and vaccine demand. Learning from the COVID-19 experience offers opportunities to strengthen NITAGs and the pandemic recovery effort through the development of more concrete procedures and consideration of more varied types of data, including implementation effectiveness and uptake data. There is also an opportunity for an increasing involvement of Country Office WHO personnel to support NITAGs, while ensuring information and evidence needs of countries are adequately reflected in SAGE deliberations.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,996

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,030
Tête enseignante GPT0,317
Écart entre enseignants0,287 · 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 tête enseignante, pas un consensus.

Devis d'étudeObservationnel
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetVaccine Coverage and HesitancyTravaux en français237 207