Zero-Dose Identification and Reach Using Electronic Community Health Records in Mozambique: A Type 2 Hybrid Effectiveness-Implementation Study Protocol
Notice bibliographique
Résumé
Background/Objectives Despite global progress, about 24% of children in Mozambique remain zero-dose. Geographic, socioeconomic, and systemic barriers hinder vaccine access, and caregivers often face long travel distances, stockouts, and poor service experiences. The Zero-Dose Identification and Reach initiative seeks to strengthen the Expanded Programme on Immunisation by enhancing the upSCALE digital health platform. This implementation research will evaluate the effectiveness, feasibility, and acceptability of the enhanced immunization module in identifying and vaccinating zero-dose and under-immunized children, while generating evidence for national scale-up. Methods This type 2 hybrid effectiveness-implementation study will be conducted in two districts of Zambezia Province. A non-randomized controlled trial will compare intervention (Mocuba) and control (Nicoadala) districts through baseline and endline household surveys of care-givers of children aged 3–59 months (n=440 per arm). Primary outcomes are the pro-portion of zero-dose and under-immunized children. A before-and-after survey will assess changes in knowledge, attitudes, and practices among community health work-ers. Key informant interviews and focus groups with APS, health staff, and caregivers will explore feasibility, acceptability, and scalability of the new module. Quantitative data will be analyzed using descriptive statistics and regression models, including difference-in-differences analyses while controlling for underlying secular trends between districts over time. Qualitative data will be thematically analyzed. Results Data collection will occur from September 2025 to February 2026, with findings available by mid-2026. Conclusions This study will generate evidence on the effectiveness of a digital community health platform to reduce zero-dose prevalence in Mozambique. and inform programmatic scale-up and national policy.
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 | 0,062 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,005 | 0,004 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,044 | 0,008 |
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 ».