An Interrupted Time Series Analysis of the Impact of the COVID-19 Pandemic on Routine Vaccination Uptake in Kenya
Notice bibliographique
Résumé
A strategic priority of the World Health Organization's Immunization Agenda 2030 is to increase vaccination coverage and equity through reaching "zero-dose" children. Through an ecological study, we sought to quantify the impact of the COVID-19 pandemic on the coverage of the pentavalent and the measles/rubella vaccines in Kenya, without implying causality. The monthly number of doses from January 2017 to August 2022 were obtained from the Kenya Health Information System for the pentavalent and the measles/rubella vaccines. Immediate (step) and long-term (ramp) changes following interruptions occurring during the period from March 2020 to December 2020 were assessed through an interrupted time series analysis using an autoregressive integrated moving average (ARIMA) model, accounting for seasonality. In December 2020, there was an immediate decrease of 8337, 12,212, and 20,848 in the number of doses for the first, second, and third dose of the pentavalent vaccine, respectively (statistically significant for the third dose only). This corresponded to a percentage relative difference of -21.6, -20.1, and -24.5, respectively, for three doses of pentavalent vaccines, while for measles/rubella vaccine it was -27.3 and -33.6, respectively, for the first and second dose. COVID-19 resulted in interruptions affecting routine immunization, but recovery occurred within four months.
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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».