MétaCan
Menu
Retour à la cohorte
Enregistrement W4386090657 · doi:10.1101/2023.08.17.23294227

Evaluation of School Vaccine Coverage and Medical Vaccine Exemptions Following the Repeal of School Entry Nonmedical Vaccine Exemption Options in New York State

2023· preprint· en· W4386090657 sur OpenAlexaff
John W. Correira, Rhiannon Kamstra, Nanqing Zhu, Margaret K. Doll

Notice bibliographique

RevuemedRxiv · 2023
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensMD Precision (Canada)
Organismes subventionnairesAlbany College of Pharmacy and Health Sciences
Mots-clésRepealLegislationLegislatureMedicineState legislatureImmunizationFamily medicineEnvironmental healthPolitical scienceLawImmunology

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Importance Following the repeal of nonmedical vaccine exemption options from school entry immunization laws in California, gains in vaccine coverage were partially offset by increases in medical vaccine exemptions. Although several U.S. states, including New York State (NYS), recently adopted similar legislation, the impact of these laws on school vaccine coverage and medical vaccine exemptions has not yet been examined. Objective To estimate the effects of NYS legislation eliminating nonmedical school entry vaccine exemptions on required vaccine coverage and the uptake of medical vaccine exemptions at NYS schools outside of New York City (NYC). Design Interrupted time-series analyses using generalized estimating equations to examine longitudinal school immunization compliance data from the 2012-13 through 2021-22 school years. Setting New York State public and nonpublic schools outside of NYC. Participants Schools that submitted ≥1 compliance report in the time periods before and after the legislative repeal of nonmedical exemptions with publicly available student enrollment data. Exposure NYS Senate Bill 2994A was passed in June 2019, eliminating school entry nonmedical vaccine exemptions; since compliance with the law was evaluated for most students during the following school year, we considered the 2019-20 school year as the law’s effective date. Main Outcomes and Measures Main outcomes examined were school required vaccine coverage, defined as the percentage of students at each school who completed all grade-appropriate NYS vaccine requirements, and the percentage of students with a medical vaccine exemption. Results Among 3,525 eligible schools, the implementation of NYS Senate Bill 2994A was associated with an increase in mean required vaccine coverage of 5% and 1% among nonpublic and public schools, respectively, with additional annual increases in coverage observed through the 2021-22 school year. The law’s implementation was also associated with a 0.1% (95% CI: 0.0%, 0.1%) decrease in medical vaccine exemptions at both public and nonpublic schools, and small, but significant mean annual declines in medical vaccine exemptions through the end of the study period. Conclusion and Relevance The NYS elimination of school entry nonmedical vaccine exemption options was effective to improve required vaccine coverage; coverage gains were not replaced by increases in medical vaccine exemptions. KEY POINTS Question Was the New York State (NYS) law eliminating nonmedical vaccine exemption options from school entry vaccine requirements effective to increase vaccine coverage among NYS schools (outside of New York City)? Findings Using interrupted time-series analyses, we found the implementation of the NYS law was associated with an increase in mean required vaccine coverage at NYS schools; small, but significant declines in medical exemptions were also observed in relation to the law. Meaning State legislation eliminating nonmedical vaccine exemption options from school entry vaccine laws can be effective to improve school vaccine coverage without replacement by medical vaccine exemptions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,007
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,113
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,069
Tête enseignante GPT0,360
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemedRxivMême sujetVaccine Coverage and HesitancyTravaux en français237 207