ANÁLISE CAUSAL DO ABANDONO VACINAL INFANTIL NO BRASIL: UMA REVISÃO SISTEMÁTICA
Bibliographic record
Abstract
Introdução: Nos últimos anos, observou-se o ressurgimento de doenças imunopreveníveis por meio de vacinas, como sarampo, meningite, varicela, dentre outras. Isso pode ter relação com a diminuição da taxa de cobertura vacinal, como ocorreu com a tríplice viral (sarampo, rubéola e caxumba), que diminuiu de 99,50% em 2012 para 43,52% em 2022 no Brasil, sendo um grave problema de saúde pública. Objetivo: Revisar a literatura acerca das causas do descumprimento do calendário de imunização de crianças em idade vacinal no Brasil, entre os anos de 2012 a 2022. Métodos: Trata-se de uma revisão sistemática utilizando as bases de dados SciELO e Medline e os descritores: Vaccination Coverage, Vaccination, Vaccination Hesitation, Vaccination Refusal e Immunization Programs, com os operadores booleanos “AND” e “OR”. Os artigos selecionados foram submetidos à Escala Newcastle–Ottawa para avaliação metodológica e de viés. Resultados: Entre as categorias identificadas como causa do abandono do calendário vacinal no Brasil, destacam-se baixo quintilsocioeconômico (9; 75%); distância entre a residência e o serviço de saúde (6; 50%); ter mais de um filho (4; 33,33%); horário restrito de funcionamento das unidades de saúde (5; 41,66%); falta de vacina (6; 50%); baixa cobertura dos programas de saúde da família (5; 41,66%); desinformação acerca das vacinas (6; 50%); complexidade do esquema vacinal (3; 25%); e a própria recusa vacinal (3; 25%). Conclusão: Os principais fatores que influenciam o abandono vacinal de crianças em idade vacinal evidenciam a necessidade de uma política pública socioeconômica eficaz para que as raízes do problema sejam combatidas.
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 | 0.011 | 0.054 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.014 | 0.023 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".