Small-area variation in child under-vaccination in India: a multilevel analysis of cross-sectional data from 36 states and Union Territories, 707 districts, and 22,349 small-area clusters
Notice bibliographique
Résumé
Background: India has made exceptional advances in child immunisation, but subnational inequities in vaccination coverage impede attainment of key programmatic goals. Our study provides an up-to-date national portrait of local variations in child vaccination using a comprehensive set of indicators relevant to routine immunisation. Methods: Indicators representing unvaccinated (zero-dose) children, incomplete basic immunisation, and vulnerability to measles and polio, were constructed from India's 2019-2021 National Family Health Survey. We used four-level random effects logistic regression models to partition the total outcome variation over state, district and cluster levels, and produce precision-weighted estimates of prevalence across clusters. District-level prevalence and within-district variation using standard deviation measures were derived for each outcome. Boxplots graphically summarised the distribution of precision-weighted mean cluster prevalence by state. Findings: The analysis included 87,622 children aged 12-36 months. Clusters accounted for 67.6% (var: 1.36; SE: 0.127) of the variation among zero-dose children, and more than 50% for all indicators. Districts with a higher prevalence of under-vaccination tended to have higher within-district heterogeneity, interpretable as greater within-district child vaccination inequities. For vaccines administered in the first year of life, the northeastern states and Uttar Pradesh had the highest median under-vaccination. Despite India's high aggregate vaccine coverage, the distribution of small-area (cluster) mean prevalence highlighted pockets of low coverage in most states, suggesting ongoing vulnerability to measles and polio. Interpretation: Achieving India's vaccination goals requires a strategic shift towards identification and targeting of low-immunity clusters at the sub-district level. Funding: Canadian Institutes of Health Research.
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 | 0,002 | 0,000 |
| 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 ».