Improving the Suitability of Vaccine Design for Immunisation Programmes and Enhancing Vaccine Policy Quality Through User Research
Notice bibliographique
Résumé
BACKGROUND: The achievement of the goals of the Immunization Agenda 2030 (IA2030) requires vaccines to be developed and implemented that meet the needs and requirements of the final users: vaccinators and vaccinees. A detailed and shared understanding of these needs should inform policy and programme guidance directing stakeholders' efforts and investments. Currently, relevant guidance documents only partially capture vaccine users' perspectives. METHOD: To help overcome this gap, we propose an operational research method grounded in the principles of the design approach that systematically maps and integrates user perspectives in vaccine development, policy, and implementation decisions. RESULTS: The method, named the seven Ws, guides researchers through a three-step process. First, it clarifies the contribution of a vaccine to solving a public health problem-the solution-problem fit. Second, it maps potential implementation strategies for the vaccine in different settings. Lastly, it describes the relevant vaccine's use cases across the implementation strategies, elucidating the user requirements for the vaccine to be successfully implemented-the solution-provider and solution-user fits. CONCLUSIONS: By explicitly pursuing these three fits, policymakers, vaccine developers, and programme managers will be able to better contribute towards the achievement of the IA2030 goals. This framework is intended as a conceptual contribution rather than an empirical validation study.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 ».