Initiatives to increase childhood vaccination coverage: an international comparison
Notice bibliographique
Résumé
Background Childhood vaccination rates fluctuate over time and do not always meet the levels recommended by the WHO. Objective This study aims to provide an overview of measures countries have introduced to increase vaccination rates. Methods We developed a structured data collection template that was completed by country experts from Europe, Israel, the USA, and Canada. Experts were identified using the European Observatory on Health Systems and Policies' HSPM (Health Systems and Policy Monitor) network. We approached experts from 32 countries and received responses from 22 countries. In the template we asked for measures introduced between 2014 and 2019. The experts were asked to indicate the type of intervention, the target population, possible positive and negative effects, and evidence on effectiveness. The information was collected between September 2019 and January 2020. Results We identified four main types of interventions: restrictive measures for the unvaccinated, financial incentives, measures supporting the logistics of vaccination, and vaccination promotion campaigns. Restrictive measures often involved expanding existing mandatory vaccination policies or limiting access to pre-school activities for unvaccinated children. Financial incentives for healthcare providers showed some positive effects. Regarding logistical support, several countries used schools as alternative vaccination sites, though this presented organisational challenges. Many countries invested in improving knowledge among both healthcare professionals and parents to encourage vaccine uptake. Conclusions Most initiatives implemented in the countries covered focussed on communication and knowledge enhancement. However, there is limited evidence on the impact of these measures on vaccination coverage.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».