ESTRATÉGIAS GLOBAIS PARA AUMENTAR A COBERTURA DE VACINAÇÃO DO PAPILOMAVÍRUS HUMANO: UMA REVISÃO
Bibliographic record
Abstract
A infecção pelo HPV é uma preocupação global, geralmente associada a altos índices de câncer cervical e outras neoplasias.Contudo, a cobertura vacinal contra o HPV enfrenta dificuldades, com queda nas taxas de adesão e desafios específicos no país e em outras regiões.Neste contexto, o presente estudou objetivou realizar uma revisão sistemática da literatura sobre as estratégias globais implementadas para aumentar a cobertura de vacinação contra o HPV, período 2006-2024.Para isso, buscou-se por artigos científicos sobre cobertura vacinal do HPV nos indexadores Literatura Latino-Americana e do Caribe em Ciências da Saúde (LILACS) e Biblioteca Virtual de Saúde (BVS), sem restrição de tempo, nos idiomas português, inglês e espanhol.Foram encontrados 31 artigos científicos no LILACS e 870 no BVS, sendo 25 selecionados para investigação.Os estudos investigados abrangeram países da Europa (França, Croácia, Suíça), América do Norte (Estados Unidos, Canadá), Ásia (Butão, China), África (Camarões, Uganda) e América Latina (Brasil), demonstrando variação na cobertura vacinal de moderada a alta (16,1% a 96%).As estratégias mais eficazes foram vacinação escolar com engajamento comunitário (96% de cobertura no Butão), intervenções multicomponentes em escolas (diferença de 7,4% no Quebec), e programas de melhoria da qualidade com monitoramento sistemático (aumento de 27% para 65% nos Estados Unidos).A simplificação dos esquemas vacinais para dose única e a integração com outras vacinas demonstraram facilitar significativamente a implementação e adesão.Estratégias isoladas de comunicação comunitária sem integração escolar mostraram-se menos eficazes.As principais barreiras identificadas na adesão à vacina foram a hesitação vacinal, conhecimento inadequado sobre HPV e acesso limitado aos serviços, podendo estas serem superadas através de campanhas educacionais adaptadas e programas escolares estruturados.A implementação dessas estratégias integradas representa um caminho promissor para alcançar as metas de cobertura vacinal e contribuir para a eliminação do câncer cervical como problema de saúde pública.
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 | 0.014 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.008 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
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".