Impact of a vaccine passport on first-dose SARS-CoV-2 vaccine coverage by age and area-level social determinants of health in the Canadian provinces of Quebec and Ontario: an interrupted time series analysis
Notice bibliographique
Résumé
BACKGROUND: In Canada, all provinces implemented vaccine passports in 2021 to reduce SARS-CoV-2 transmission in non-essential indoor spaces and increase vaccine uptake (policies active September 2021-March 2022 in Quebec and Ontario). We sought to evaluate the impact of vaccine passport policies on first-dose SARS-CoV-2 vaccination coverage by age, and area-level income and proportion of racialized residents. METHODS: We performed interrupted time series analyses using data from Quebec's and Ontario's vaccine registries linked to census information (population of 20.5 million people aged ≥ 12 yr; unit of analysis: dissemination area). We fit negative binomial regressions to first-dose vaccinations, using natural splines adjusting for baseline vaccination coverage (start: July 2021; end: October 2021 for Quebec, November 2021 for Ontario). We obtained counterfactual vaccination rates and coverage, and estimated the absolute and relative impacts of vaccine passports. RESULTS: In both provinces, first-dose vaccination coverage before the announcement of vaccine passports was 82% (age ≥ 12 yr). The announcement resulted in estimated increases in coverage of 0.9 percentage points (95% confidence interval [CI] 0.4-1.2) in Quebec and 0.7 percentage points (95% CI 0.5-0.8) in Ontario. This corresponds to 23% (95% CI 10%-36%) and 19% (95% CI 15%-22%) more vaccinations over 11 weeks. The impact was larger among people aged 12-39 years. Despite lower coverage in lower-income and more-racialized areas, there was little variability in the absolute impact by area-level income or proportion racialized in either province. INTERPRETATION: In the context of high vaccine coverage across 2 provinces, the announcement of vaccine passports had a small impact on first-dose coverage, with little impact on reducing economic and racial inequities in vaccine coverage. Findings suggest that other policies are needed to improve vaccination coverage among lower-income and racialized neighbourhoods and communities.
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) | 0,001 | 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 ».