Co-Administration of Influenza and COVID-19 Vaccines: Policy Review and Vaccination Coverage Trends in the European Union, UK, US, and Canada between 2019 and 2023
Notice bibliographique
Résumé
Recommending co-administration of influenza and COVID-19 vaccines has emerged as a strategy to enhance vaccination coverage. This study describes the policy on co-administration and uptake of influenza and COVID-19 vaccination in Europe, the United Kingdom, the United States, and Canada between 2019 and 2023. We collected co-administration policy data from governmental websites, national health organizations, and newspapers. Influenza vaccination coverage among persons ≥65 years and COVID-19 vaccination coverage rates among persons ≥60 years or the general population were collected using national databases, the ECDC database, or ourworldindata.org between 2019 and 2023. Descriptive analyses were used. We collected data from 30/32 (94%) countries on vaccination policy in seasons 2021-2022 and 2022-2023, with most countries (25/30 to 30/30) having policies recommending co-administration. For influenza vaccination coverage, we collected data from 29/32 (91%, 2019-2020), 28/32 (88%, 2020-2021), 27/32 (84%, 2021-2022), and 6/32 (19%, 2022-2023) countries. COVID-19 vaccination was collected from 32/32 (2020-2021), 31/32 (97%, 2021-2022), and 24/32 (75%, 2022-2023) countries. Influenza vaccination coverage increased from 2019-2020 to 2021-2022. COVID-19 vaccination coverage was higher among countries with higher influenza vaccination coverage. By 2022-2023, all countries included implemented a policy supporting co-administration. A positive correlation existed between higher influenza vaccination coverage and higher COVID-19 vaccination rates.
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 | 0,001 |
| 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 ».