Nouvelle ressource permettant de résumer les données sur la vaccination provenant du Centre canadien de ressources et d’échange sur les données probantes en vaccination (CANVax)
Bibliographic record
Abstract
Les progrès scientifiques réalisés autour de la mise au point, de l’utilisation et de l’amélioration des pratiques visant à communiquer les avantages des vaccins sont rapides, et se tenir au courant du vaste ensemble de données à cet égard représente un défi. L’augmentation du nombre de vaccins et le déclin des maladies évitables par la vaccination ont déplacé l’attention du public sur les risques de la vaccination plutôt que sur les risques des maladies. Au Canada et ailleurs, un nombre croissant de parents choisissent de retarder ou de refuser certains vaccins, voire tous, pour leurs enfants, ce qui entraîne un déclin de la protection de la collectivité contre les maladies évitables par vaccination et une augmentation du nombre d’éclosions de maladies évitables par la vaccination. Les données probantes indiquent que la notion d’hésitation à la vaccination contribue à une meilleure compréhension des décisions en matière de vaccination, car elle dépasse les attitudes binaires pour ou contre la vaccination et reconnaît un spectre de croyances et de comportements connexes qui occupe l’espace entre les deux pôles. À une époque où croît la résistance antimicrobienne face aux infections, la protection qu’apporte la vaccination est plus importante que jamais. Le Centre canadien de ressources et d’échange sur les données probantes en vaccination (CANVax) est une base de données de ressources en ligne qui soutient les activités de vaccination et de promotion visant à améliorer l’acceptation et l’adoption de la vaccination au Canada. Il s’occupe à la fois de l’identification des ressources exactes et fiables et de la création de nouvelles ressources par un groupe multidisciplinaire de professionnels. Ce numéro du Relevé des maladies transmissibles au Canada (RMTC) contient le premier d’une série d’articles intitulés « Brèves du CANVax » préparés par des experts ayant effectué des études de portée et des analyses environnementales, et évalué les données probantes les plus rigoureuses. Les Brèves du CANVax visent à attirer l’attention sur les questions actuelles et émergentes en offrant de courts résumés des meilleures et plus récentes données probantes disponibles pour aider les professionnels des soins de santé et de la santé publique de première ligne à optimiser le taux de vaccination au Canada. Les Brèves du CANVax seront publiées dans le RMTC pendant toute l’année 2020.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".