Systematic review and meta-analysis of interventions to increase the uptake of vaccines recommended during pregnancy
Notice bibliographique
Résumé
Abstract Although immunization during pregnancy can protect mothers and their infants from vaccine-preventable morbidity and mortality, vaccination rates are often poor. We systematically reviewed the literature from inception to July 4, 2023, for randomized and non-randomized quasi-experimental studies estimating the effects of interventions to increase vaccination during pregnancy. Of 9331 studies screened, 36 met inclusion criteria, including 18 demand-side interventions, 11 supply-side interventions, and seven multi-level (demand and supply-side) interventions. Demand-side interventions commonly addressed patient education, showing modest improvement (pooled RR 1.18; 95% CI: 1.04, 1.33; I 2 = 63.1%, low certainty). Supply-side interventions commonly implemented Assessment-Feedback-Incentive-eXchange interventions with little improvement (pooled RR 1.13; 95% CI: 0.96, 1.33; I 2 = 94.0%, low certainty). Multi-level interventions were modestly effective in increasing vaccination (pooled RR 1.62; 95% CI: 1.09, 2.42; I 2 = 97%, very low certainty). Interventions identified in the literature mostly resulted in low to moderate increases in vaccination with likely high heterogeneity and low to very low certainty in the findings.
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) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».