Evaluating geographic accessibility to COVID-19 vaccination across 54 countries/regions
Notice bibliographique
Résumé
BACKGROUND: The COVID-19 pandemic has revealed significant disparities in global vaccine accessibility, particularly affecting low and middle-income countries (LMICs). However, current research on COVID-19 vaccine accessibility primarily focuses on individual countries or high-income countries (HIC). We aimed to evaluate geographic accessibility to COVID-19 vaccination on a multicountry scale, covering comparisons across LMICs and HICs. Additionally, we explored the potential economic factors related to accessibility and their impacts on health outcomes. METHODS: We collected population data at a 1 km resolution and geocoded all vaccination sites across the selected countries/regions. Four measures were used to evaluate vaccine accessibility from different perspectives: population coverage with varying travel time thresholds, driving time to vaccination sites, the number of sites within a 30-min threshold and a geographic accessibility index using enhanced two-step floating catchment area method. Finally, we explored the relationships between geographic accessibility and several factors: gross domestic product per capita, vaccination uptake and mortality. FINDINGS: We found substantial disparities in vaccine accessibility across the selected countries/regions. In 24.07% of these countries/regions, over 95% of the population can access the nearest vaccination services within 15 min. In contrast, in countries/regions such as Manitoba (Canada), Zimbabwe and Bhutan, less than 30% of the population can reach these sites within 60 min. Underserved areas, termed 'vaccine deserts', were identified in both HICs and LMICs. We found that countries/regions with higher vaccine accessibility tend to achieve higher vaccination rates, whereas those with lower vaccine accessibility are likely to experience substantial increases in COVID-19 mortality rates. CONCLUSION: LMICs require enhanced attention to improve geographic accessibility to vaccination. Additionally, there are internal disparities in accessibility within both HICs and LMICs. National public health officials and global health initiatives are suggested to prioritize 'vaccine deserts' and to ensure equitable vaccine access in future pandemics.
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 | 0,005 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,003 | 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 ».