Implementing older adult vaccination within the Immunization Agenda 2030: A discussion of potential challenges and solutions
Notice bibliographique
Résumé
As the World Health Organization moves forward into the Decade of Healthy Ageing in 2020, developing immunization programs with a life-course and integration approach for older people is one of the key strategic priority areas, and is highlighted in the Immunization Agenda 2030 roadmap. The World Federation of Public Health Associations (WFPHA) conducted a focus group discussion on 11 November 2021. Nine national experts specializing in vaccination policy from Canada, the United States, Taiwan, Brazil, and El Salvador were recruited through the World Federation Public Health Associations network to participate in an online focus group discussion to discuss the operational challenges and potential strategies for the implementation of older adult vaccination programs. Experts’ recommendations were presented using the Immunization Agenda 2030 roadmap after consensus was reached. Key recommendations were that it is important to ensure equitable vaccine access using a people-centered approach; that optimizing health communication channels and strategies can combat hesitancy and promote knowledge of vaccination among older people; that there is a need for data-driven strategies to guide the surveillance and monitoring of disease burden and vaccination status; and that the success of such programs will depend on sustained government funding and support. As countries start to look beyond the immediate impact of the COVID-19 pandemic, there is a window of opportunity to re-prioritize vaccination programs within existing health systems to protect older adults. Moving forward, creative solutions and buy-in from a wide range of stakeholders are required, and further research is needed to fill in knowledge gaps.
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 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 ».