Mapping of Pro-Equity Interventions Proposed by Immunisation Programs in Gavi Health Systems Strengthening Grants
Notice bibliographique
Résumé
Reaching zero-dose (ZD) children, operationally defined as children who have not received a first dose of the diphtheria, tetanus, and pertussis (DTP1) vaccine, is crucial to increase equitable immunisation coverage and access to primary health care. However, little is known about the approaches already taken by countries to improve immunisation equity. We reviewed all Health System Strengthening (HSS) proposals submitted by Gavi-supported countries from 2014 to 2021 inclusively and extracted information on interventions favouring equity. Pro-equity interventions were mapped to an analytical framework representing Gavi 5.0 programmatic guidance on reaching ZD children and missed communities. Data from keyword searches and manual screening were extracted into an Excel database. Open format responses were analysed using inductive and deductive thematic coding. Data analysis was conducted using Excel and R. Of the 56 proposals included, 51 (91%) included at least one pro-equity intervention. The most common interventions were conducting outreach sessions, tailoring the location of service delivery, and partnerships. Many proposals had "bundles" of interventions, most often involving outreach, microplanning and community-level education activities. Nearly half prioritised remote-rural areas and only 30% addressed gender-related barriers to immunisation. The findings can help identify specific interventions on which to focus future evidence syntheses, case studies and implementation research and inform discussions on what may or may not need to change to better reach ZD children and missed communities moving forward.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».