Determinants of 2009 pandemic A/H1N1 influenza vaccination in Montreal
Bibliographic record
Abstract
Pour bien développer des programmes de vaccination contre les pandémies de grippe, la compréhension des éléments de voisinage qui influence la vaccination est essentielle. Très peu d'études ont été effectuées en utilisant un registre d'immunisation dans le but d'explorer les déterminants du voisinage relatifs à la vaccination. En utilisant des données individuelles, des données de recensement, de sondages et des données administratives pour estimer la population à risque, une étude écologique des déterminants de voisinage lors de la vaccination de la grippe pandémique A/H1N1 fut effectuée. En utilisant la régression logistique, en tenant compte de l'autocorrélation spatiale, les déterminants socio-économiques et démographiques pour la vaccination ont été identifiés et classés par groupe de priorité. À Montréal, un total de 918,733 (49,9%) habitants furent vaccinés contre la grippe A/H1N1. Le taux de vaccination était plus important parmi les femmes comparativement aux hommes. Il a varié selon l'âge, le plus haut taux était parmi les enfants de moins de cinq ans. Le taux a aussi vu une croissance parmi les gens travaillant dans le secteur des soins de santé. Dans les différents quartiers de Montréal, les taux de vaccination ont variés de 33,6% à 71,0%. Les taux les plus bas furent retrouvés dans les quartiers de l'Est de Montréal. Dans la population générale, l'immigration et les milieux défavorisés ont été des facteurs significatifs associés aux bas taux de vaccination. Ces résultats vont aider les autorités des soins de santé à implanter des stratégies spécifiques aux divers groupes de priorité lors des futures pandémies de grippe.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 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".