Vaccine equity implementation: exploring factors influencing COVID-19 vaccine delivery in the Philippines from an equity lens
Notice bibliographique
Résumé
Abstract Background During the early phase of the COVID-19 vaccine rollout, low and middle-income countries (LMICs) were facing challenges in achieving equitable vaccine delivery. Few studies have contextualized global vaccine distributive injustice into national-specific contexts to understand its impact on vaccine delivery from an equity perspective. We aimed to investigate factors influencing equitable COVID-19 vaccine delivery in the Philippines and to provide recommendations to enhance equitable vaccine delivery in LMICs to prepare for future health emergencies. Methods The Health Equity Implementation Framework was employed to guide this qualitative study. We recruited participants using purposeful and snowballing sampling strategies. Semi-structured interviews were conducted with participants in person, online, or over the phone. A reflective thematic analysis approach was employed to analyze data. Results We recruited 38 participants including seven high-level stakeholders from the public and private sectors, 14 health workers, and 17 community members in the province of Negros Occidental, Philippines. Equitable delivery of COVID-19 vaccines was influenced by an interplay of multiple factors operating in different domains. Contextually, the rapidly evolving nature of the COVID-19 virus, ongoing scientific advancements, and international negotiations directed national-level vaccine policies. Political commitment and support were recognized as crucial drivers for successful vaccine delivery, with a strong emphasis on health information framing and communication and adherence to human rights principles. The vulnerability of the health system significantly impacted the timely and effective distribution of vaccines. Furthermore, the geographical characteristics of the Philippines presented unique logistical challenges to vaccine delivery. At the recipient domain, individual perceptions of vaccines, shaped by their socioeconomic status, exposure to (mis)information, social influence, and entrenched religious beliefs, played a major role in their vaccine decisions and thus vaccine coverage regionally. Additionally, vaccine characteristics and operational challenges related to its distribution also impacted fair allocation. Conclusions The findings highlight the urgent need for LMICs to strengthen their health system resilience and sustainability and use multilevel strategies to build public trust to improve vaccine uptake and coverage. Moreover, each LMIC must be attentive to its unique contextual factors to develop tailored implementation strategies to promote equitable vaccine distribution.
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 | 0,012 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».