MétaCan
Menu
← Retour à la cohorte
Enregistrement W4413103456 · doi:10.1016/j.vaccine.2025.127581

Exploring off-label vaccine use: a survey of the global national immunization technical advisory group network

2025· article· en· W4413103456 sur OpenAlexafffund
Candace Roberts, Karina A. Top, Louise Henaff, Matthew Tunis, Awnish Kumar Singh, Judith van Holten, Simona Ruță, Shalini Desai

Notice bibliographique

RevueVaccine · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of AlbertaPublic Health Agency of Canada
Organismes subventionnairesPublic Health Agency of CanadaWorld Health Organization
Mots-clésImmunizationAdvisory committeeMedicineFamily medicineEnvironmental healthImmunologyPolitical sciencePublic administrationAntibody

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: National Immunization Technical Advisory Groups (NITAGs) are crucial for enhancing vaccine use in immunization programs, particularly through off-label recommendations. This study sought to assess the adoption and trends of off-label vaccine recommendations made by NITAGs across low-, middle-, and high-income countries since the COVID-19 pandemic. METHODS: An online survey was distributed to NITAG representatives in World Health Organization (WHO) member states, asking questions related to off-label use of vaccines including policies, procedures, legislation, and regulations for NITAGs in participants' countries. Respondents across all six WHO regions were invited to participate. RESULTS: Respondents from 76 countries participated in the survey (55 %) were NITAG representatives, and 45 % were immunization program managers or from the NITAG secretariat). Most respondents 52 (68 %) reported their NITAG makes off-label recommendations, 18 (24 %) indicated their NITAG does not make off-label recommendations, and 6 (8 %) were unsure of their NITAG's role. There was a noticeable shift relating to off-label vaccine recommendations observed pre, during, and post-pandemic period. Prior to 2022, 25 (48 %) respondents indicated their country recommended off-label vaccines, 11 (21 %) specified off-label recommendations were limited to emergencies as temporary or conditional expansions, and 6 (12 %) were unsure. After 2022, 30 (58 %) respondents indicated their country recommended off-label vaccines, 4 (8 %) specified off-label recommendations were limited to emergencies as temporary or conditional expansions, 18 (35 %) selected no, and 0 (0%) were unsure. While most countries make off-label recommendations, few (15 %) have policies and procedures to support implementation. CONCLUSIONS: Although WHO broadly provides guidance on the mandate and core functions of NITAGs, globally, they have differing mandates and operational capacities related to off-label vaccine use. These findings suggest the need for increased awareness of off-label vaccine recommendations and strengthened dialogue around implementation of off-label recommendations.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,012
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,322
Écart entre enseignants0,238 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentnon

Explorer davantage

Même revueVaccine→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→