Медико-соціальні проблеми вакцинації населення в громадах в умовах воєнного стану
Bibliographic record
Abstract
Цитуйте українською у Ванкувер стилі: Вербицька ЯМ. Медико-соціальні проблеми вакцинації населення в громадах в умовах воєнного стану.Медицина сьогодні і завтра. 2024;93(4):87-93. https://doi.org/10.35339/msz.2024.93.4.ver Архівовано: https://doi.org/10.5281/zenodo.15076756 Резюме В умовах воєнного стану вакцинація є головним ефективним методом захисту від інфекційних захворювань. Відомо, що в Україні близько 60 тис. дітей старших за 1 рік залишилися не щепленими проти дифтерії, кашлюку та правцю вперше; понад 200 тис. дітей не отримали ревакцинацію. Також не виконаним є план ревакцинації, який включає понад 1,5 млн дорослих осіб. Вивчення медико-соціальних аспектів вакцинації населення було проведено на території Великоновосілківської та Курахівської територіальних громад Донецької області України. Проаналізовано виконання обсягів щеплень закладами охорони здоров’я цих громад. Станом на кінець 2023 року необхідного для створення колективного імунітету проти кашлюка, дифтерії та правця охоплення населення на рівні 95,0 % не було досягнуто. Вакциновано 81,7 % дітей Курахівської та 87,0 % дітей Великоновосілківської громади. Ревакцинація дорослого населення вказаних громад проти дифтерії та правця за 2023 рік складала 21,5 % та 41,2 % відповідно. З’ясовано, що труднощі з виконанням обсягів профілактичних щеплень пов’язані з масовою евакуацією дитячого населення, постачанням та зберіганням імунобіологічних препаратів. Перебої електропостачання призводять до порушення «холодового ланцюга» зберігання вакцин. Крім того, деякі медичні заклади призупинили свою роботу через пошкодження приміщень в результаті бойових дій. Для щеплень населення віддалених сіл не вистачає мобільних бригад та транспортних засобів для їх роботи. Відчутним є кадровий дефіцит. Збільшенню охоплення населення щепленнями сприяють інформаційні кампанії із залученням лідерів громад, медичних працівників та використанням соціальних мереж. Покращує ситуацію з вакцинацією співпраця України з міжнародними партнерами. Ключові слова: охоплення щепленнями, «холодовий ланцюг», імунопрофілактика. Cite in English in Vancouver style: Verbytska YM. Medical and social problems of vaccination of the population in communities under martial law. Medicine Today and Tomorrow. 2024;93(4):87-93.https://doi.org/10.35339/msz.2024.93.4.ver [in Ukrainian]. Archived: https://doi.org/10.5281/zenodo.15076756 Abstract Every year, more than 15 million people die from infectious diseases worldwide. According to the World Health Organization, 24.7% of adults’ deaths and 63.0% of children’s deaths are caused by infectious diseases and their consequences. In martial law conditions, vaccination is the main effective method of protection against infectious diseases. It is known that in Ukraine about 60 thousand children over 1 year old remained unvaccinated against diphtheria, pertussis and tetanus for the first time; more than 200 thousand children did not receive revaccination. The revaccination plan, which includes more than 1.5 million adults, has also not been implemented. The study of medical and social aspects of population vaccination was conducted in the territory of the Velikonovosilkivska and Kurakhivska territorial communities of the Donetsk region of Ukraine. The implementation of vaccination volumes by health care institutions of these communities was analyzed. As of the end of 2023, the population coverage of 95.0% required to create collective immunity against pertussis, diphtheria and tetanus was not achieved. 81.7% of children in the Kurakhivska and 87.0% of children in the Velikonovosilkivska community were vaccinated. Revaccination of the adult population of the indicated communities against diphtheria and tetanus in 2023 was 21.5% and 41.2%, respectively. It was found that difficulties with the implementation of preventive vaccinations are associated with the mass evacuation of the child population, the supply and storage of immunobiological drugs. Power outages lead to a violation of the "cold chain" of vaccine storage. In addition, some medical institutions have suspended their work due to damage to premises as a result of hostilities. There is a lack of mobile teams and vehicles for their work to vaccinate the population of remote villages. Keywords: vaccination coverage, "cold chain", prevention.
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 | 0.005 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.016 | 0.009 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.074 | 0.037 |
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".