Analyse environnementale de la planification provinciale et territoriale aux fins des programmes de vaccination contre la COVID-19 au Canada
Bibliographic record
Abstract
Contexte : Les services de santé publique du Canada sont actuellement confrontés à la tâche difficile de planifier et de mettre en œuvre des programmes de vaccination contre la maladie à coronavirus 2019 (COVID-19). Objectif : Recueillir et synthétiser les informations concernant la planification du programme de vaccination contre la COVID-19 dans chaque province et territoire du Canada, y compris les considérations logistiques, les groupes prioritaires et la surveillance de l’innocuité et de l’efficacité du vaccin. Méthodes : Les responsables provinciaux et territoriaux de la santé publique ont été interrogés par téléconférence au cours de la phase initiale de planification des programmes de vaccination contre la COVID-19 (août à octobre 2020) afin de recueillir des informations sur les sujets suivants : facteurs uniques pour la vaccination contre la COVID-19, intention d’adopter les recommandations du Comité consultatif national de l’immunisation (CCNI), groupes prioritaires pour les premières phases de la vaccination et surveillance de l’innocuité et de l’efficacité du vaccin. Les données ont été regroupées en fonction des réponses communes et une analyse descriptive a été réalisée. Résultats : Dix-huit entretiens ont eu lieu avec 25 participants de 11 des 13 provinces et territoires. Les facteurs uniques de la vaccination contre la COVID-19 comprenaient la hiérarchisation des groupes pour les premières phases de la vaccination (n = 7), la perception des vaccins par le public (n = 6) et des critères d’éligibilité divergents (n = 5). Presque toutes les provinces et territoires (n = 10) ont déclaré s’appuyer sur les recommandations du CCNI. Les résidents des établissements de soins de longue durée (n = 10) et les travailleurs de la santé (n = 10) ont été le plus souvent prioritaires pour les premières phases de la vaccination, suivis des personnes souffrant de maladies chroniques (n = 9) et des personnes âgées (n = 8). La plupart des provinces et territoires (n = 9) prévoient une surveillance systématique des effets indésirables pour évaluer l’innocuité des vaccins. L’évaluation de l’efficacité devait se faire au sein des services de santé publique (n = 3), par des chercheurs (n = 3) ou sur la base de directives nationales (n = 4). Conclusion : La planification des programmes de vaccination contre la COVID-19 dans les provinces et territoires présente certaines similitudes et est largement conforme aux directives du CCNI, avec quelques divergences. Des recherches supplémentaires sont nécessaires pour évaluer les programmes de vaccination contre la COVID-19 une fois qu’ils auront été mis en œuvre.
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 machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.005 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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 source (direct Gemma or distilled Codex), 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".