Influenza Vaccination Coverage and Determinants of New Vaccinations During the COVID-19 Pandemic in Spain (ENE-COVID): Nationwide Population-Based Study
Notice bibliographique
Résumé
Background: Influenza vaccination coverage is commonly suboptimal. However, the COVID-19 pandemic and consequent high exposure to health information may have changed population attitudes toward this vaccination. Objective: The aim of this study is to describe influenza vaccine uptake in Spain during the first influenza season following the start of the COVID-19 pandemic compared to the previous one and identify characteristics associated with vaccination among those previously unvaccinated. Methods: This was a population-based study of 28,987 adults included in influenza vaccination target groups (≥65 years old, with risk conditions, living with someone with risk conditions, health care workers, security or emergency workers) who were participants in the nationwide Seroepidemiological Survey of SARS-CoV-2 Infection in Spain (ENE-COVID) study. Information on vaccination and sociodemographic, health, and COVID-19-related factors was collected by interview. Coverage change from 2019 to 2020 and standardized prevalences of vaccination in 2020 among the population unvaccinated in 2019 were estimated using logistic model-based methods. Results: Coverage rose from 31.4% (95% CI 30.5%-32.2%) to 46.8% (95% CI 45.8%-47.8%). People ≥65 years old showed the highest uptake in both periods (58.3%, 95% CI 56.8%-59.8% and 74.8%, 95% CI 73.5%-76.1%), while health care workers had the greatest increase (22%, 95% CI 17.8%-26.2%). Among people unvaccinated in 2019, factors associated with vaccination in 2020 were age, female sex, higher education, Spanish nationality, multimorbidity, being a former smoker, obesity, contact with COVID-19 cases, living with older adults, living in provinces with low COVID-19 incidence, wearing a face mask during family meetings, and using surgical/FFP2 masks. Conclusions: This study provides nationwide representative estimates of influenza vaccination coverage, which clearly increased between 2019 and 2020 in the 5 target groups. However, coverage goals were attained only in the ≥65 year old group, highlighting the importance of reinforcing influenza vaccination. Our detailed results on determinants of vaccination provide some clues to tailor vaccination strategies.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».