Tỷ lệ tiêm chủng đầy đủ, đúng lịch và một số yếu tố liên quan trong tiêm chủng mở rộng cho trẻ em dưới 1 tuổi tại huyện Gia Lâm, Hà Nội giai đoạn 2022 – 2023
Bibliographic record
Abstract
Nghiên cứu mô tả cắt ngang được thực hiện trên 102 trẻ dưới 1 tuổi và mẹ của trẻ nhằm xác định tỷ lệ tiêm chủng đầy đủ và đúng lịch (TCĐĐ&ĐL) theo chương trình Tiêm chủng mở rộng (TCMR), cũng như phân tích một số yếu tố liên quan, tại huyện Gia Lâm, Hà Nội trong giai đoạn 2022 - 2023. Kết quả cho thấy tỷ lệ TCĐĐ đạt 97/102 (95,1%; KTC 95%: 88,9 - 98,4). Tỷ lệ TCĐĐ&ĐL đạt 60/102 (58,8%; KTC 95%: 48,6 - 68,5). Kiến thức chung của bà mẹ về TCMR liên quan có ý nghĩa thống kê với tỷ lệ TCĐĐ&ĐL. Con của những bà mẹ có kiến thức đạt có tỷ lệ TCĐĐ cao hơn so với con của các bà mẹ không đạt điểm kiến thức về TCMR với OR = 11,6 (KTC 95%: 3,3 - 50,5). Nghiên cứu cũng cho thấy bà mẹ trên 30 tuổi, trình độ học vấn từ trung học phổ thông trở lên, thứ tự trẻ từ thứ 2 trở lên và các bà mẹ có 3 - 4 con có tỷ lệ TCĐĐ&ĐL của con cao hơn có ý nghĩa thống kê (p < 0,05). Cần truyền thông phù hợp cho nhóm đối tượng để nâng cao tỷ lệ trẻ được TCĐĐ&ĐL.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.219 | 0.070 |
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".