MétaCan
Menu
← Retour à la cohorte
Enregistrement W4414083937 · doi:10.1371/journal.pone.0330955

Gaps in immunization coverage at school entry and after two years of school attendance among immigrant and refugee children in Ontario, Canada

2025· article· en· W4414083937 sur OpenAlexafffundabout
Sarah E. Wilson, Catharine Chambers, Andrew S. Wilton, Li Bai, Natasha S. Crowcroft, Shelley L. Deeks, Scott A. Halperin, Jeffrey C. Kwong, Meb Rashid, Karen Tu, Kumanan Wilson, Astrid Guttmann

Notice bibliographique

RevuePLoS ONE · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensHospital for Sick ChildrenBruyèreUniversity Health NetworkOttawa HospitalNorth York General HospitalWomen's College HospitalUniversity of TorontoDalhousie UniversityInstitute for Clinical Evaluative SciencesUniversity of OttawaGovernment of Nova ScotiaPublic Health Ontario
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésImmigrationRefugeeImmunizationAttendanceYoung adultPublic health

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Foreign-born children may face greater barriers to accessing routine immunizations in Canada or their country of birth, but provincial surveillance data on immigration status are lacking. Using our provincial immunization repository linked to administrative data, we assessed immunization coverage among immigrant and refugee children in Ontario, Canada, compared with Ontario-born children and identified factors associated with being up-to-date (UTD). METHODS: We conducted a retrospective cohort study of children entering school during the 2012/13-2014/15 school years. We calculated UTD coverage for measles (2 doses), diphtheria (4 doses), and polio (3 doses) vaccines at school entry and two years after school attendance. We compared UTD coverage between immigrant/refugee children and Ontario-born children using standardized differences (SD). RESULTS: In a cohort of 363,662 children, 15,114 (4.2%) were immigrants/refugees (82.1% immigrants, 17.9% refugees). UTD coverage for all antigens combined was 59.2% among immigrant/refugee children compared with 87.9% among Ontario-born children at school entry (SD = 0.69), increasing to 84.9% and 94.3%, respectively, two years after school entry (SD = 0.31). Coverage was lower with greater disparities between immigrant/refugee and Ontario-born children for measles (87.9% vs. 94.8%, SD = 0.25) and diphtheria (94.6% vs. 97.4%, SD = 0.15) after two years than polio (97.1% vs. 98.4%, SD = 0.09). Among immigrant/refugee children, coverage was lowest in refugees (vs. immigrants), recent immigrants, and those born in certain regions. CONCLUSIONS: Immunization coverage among foreign-born children lagged behind their Ontario-born peers, even after two years of school attendance. Findings varied by vaccine, immigration category, time spent in Ontario, and country of birth.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,041
Score d'incertitude au seuil0,300

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,004
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,007
Tête enseignante GPT0,215
Écart entre enseignants0,208 · 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'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→