Exploring the impact of the New York State repeal of nonmedical vaccination exemptions on student enrollment, absenteeism, and school workload: Perspectives from a survey of school administrators
Notice bibliographique
Résumé
In June 2019, New York State (NYS) adopted Senate Bill 2994A eliminating nonmedical vaccine exemptions from school entry laws. Since student noncompliance with the law required school exclusion, we sought to evaluate the law's effects on student enrollment and absenteeism, and school workloads related to its implementation. In November 2019, we sent an electronic survey to NYS (excluding New York City) schools. Due to the COVID-19 pandemic, outreach was curtailed in March 2020 with 525 (14%) of 3,759 eligible schools responding. To account for non-response, results were analyzed using inverse probability weighting. After weighting, 39% (95% CI: 34%, 44%) of schools reported enrollment changes and 31% (95% CI: 26%, 36%) of schools reported absenteeism related to the law. In addition, 95% (95% CI: 93%, 98%) of schools reported holding meetings and/or preparing correspondence about the law, spending a mean of 14 (95% CI: 11, 18) hours on these communication efforts. Schools in the highest pre-mandate nonmedical exemption tertile (vs. lowest) were more likely to report enrollment and absenteeism changes, and higher workloads. While our results should be interpreted with caution, changes in student enrollment, absenteeism, and school workloads may represent important considerations for policymakers planning similar legislation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».