Increasing pneumococcal vaccine uptake in older adults: a scoping review of interventions in high-income countries
Notice bibliographique
Résumé
BACKGROUND: There is low uptake of the pneumococcal vaccination in eligible older adults, even in high-income countries that offer routine and universal vaccination programs. OBJECTIVE: To systematically characterize interventions aimed at improving pneumococcal vaccine uptake in older adults. DESIGN: We conducted a scoping review following PRISMA-SCr guidelines of five interdisciplinary databases: Medline-Ovid, Embase, CINAHL, PsychInfo, and Cochrane Library. Databases were searched from January 2015 until April 2020. The interventions were summarized into three pillars according to the European Union Conceptional Framework for Action: information campaigns, prioritization of vaccination schemes, and primary care interventions. RESULTS: Our scoping review included 39 studies that summarized interventions related to pneumococcal vaccine uptake for older adults, encompassing 2,481,887 study participants (945 healthcare providers and 2,480,942 older adults) across seven countries. Examples of interventions that were associated with increased pneumococcal vaccination rate included periodic health examinations, reminders and decision-making tools built into electronic medical records, inpatient vaccination protocols, preventative health checklists, and multimodal educational interventions. When comparing the three pillars, prioiritization of vaccination schemes had the highest evidence for improved rates of vaccination (n = 14 studies), followed by primary care interventions (n = 8 studies), then information campaigns (n = 5 studies). CONCLUSION: Several promising interventions were associated with improved outcomes related to vaccine uptake, although controlled study designs are needed to determine which interventions are most effective.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».