Stratégies visant à accroître la demande de vaccination infantile dans les pays en développement : révision systématique et méta-analyse
Notice bibliographique
Résumé
La vaccination figure parmi les interventions sanitaires les plus efficaces et les plus rentables connues. Pourtant, des inégalités de couverture persistent entre les régions et les pays. Les interventions visant à améliorer la couverture vaccinale sont généralement regroupées soit comme interventions pour améliorer l’offre ou la prestation des services de santé, soit comme interventions pour stimuler la demande pour les services de vaccination. L’objectif de cette étude est d’évaluer si les interventions du côté de la demande qui visent à améliorer la couverture vaccinale peuvent accroître la vaccination de routine des enfants dans les pays en développement. Nous avons effectué une revue systématique et une méta-analyse des essais randomisés contrôlés ainsi que d’autres types d’études scientifiques réalisées dans des pays en développement. La population ciblée comprenait les parents et les gardiens d'enfants de moins de deux ans qui sont exposés à une intervention visant à accroître la demande de vaccination de routine des enfants. La recherche des études originales dans les différentes bases de données a été limitée aux études publiées avant septembre 2013 (dernière mise à jour le 25 Mars 2014) dans 6 langues. Onze études ont été sélectionnées puis classifiées dans deux catégories: (a) éducation ou transfert de connaissances (7 études) et (b) incitations (4 études). Les résultats de la métaanalyse ont démontré un impact positif des interventions sur la demande de vaccination des enfants dans les pays en développement (RR 1.30; 95% CI 1.17, 1.44). Ces impacts positifs ont été constatés autant pour les interventions qui comprennent l’éducation ou transfert de connaissances (RR 1.40; 95% CI1.20, 1.63) que pour les interventions de type incitation (RR 1.28; 95% CI 1.12, 1.45). Les résultats suggèrent que diverses stratégies visant à accroître la demande peuvent conduire à une augmentation de la couverture vaccinale dans différents pays en développement.
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 | 0,063 | 0,123 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,012 | 0,050 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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 ».