Routine immunization (RI) of children is the most effective and timely public health intervention for decreasing child mortality rates around the globe. Pakistan being a low-and-middle-income-country (LMIC) has one of the highest child mortality rates in the world occurring mainly due to vaccine-preventable diseases (VPDs). For improving RI coverage, a critical need is to establish potential RI defaulters at an early stage, so that appropriate interventions can be targeted towards such population who are identified to be at risk of missing on their scheduled vaccine uptakes. In this paper, a machine learning (ML) based predictive model has been proposed to predict defaulting and non-defaulting children on upcoming immunization visits and examine the effect of its underlying contributing factors. The predictive model uses data obtained from Paigham-e-Sehat study having immunization records of 3,113 children. The design of predictive model is based on obtaining optimal results across accuracy, specificity, and sensitivity, to ensure model outcomes remain practically relevant to the problem addressed. Further optimization of predictive model is obtained through selection of significant features and removing data bias. Nine machine learning algorithms were applied for prediction of defaulting children for the next immunization visit. The results showed that the random forest model achieves the optimal accuracy of 81.9% with 83.6% sensitivity and 80.3% specificity. The main determinants of vaccination coverage were found to be vaccine coverage at birth, parental education, and socio-economic conditions of the defaulting group. This information can assist relevant policy makers to take proactive and effective measures for developing evidence based targeted and timely interventions for defaulting children.
MULTIFILE
(Terug)schakelen naar ketendenken. Innovaties realiseren bij logistiek MKB in mainports. In het eindboek vindt u een overzicht van de resultaten van 4 jaar RAAK-Pro onderzoek.
DOCUMENT
Eigen veiligheid of slachtoffers voorkomen (hoofdstuk 2) betreft een politieel onderwerp dat een nauwe relatie heeft met de AMOK-procedure. Vaak wordt deze procedure vereenzelvigd met school shootings; maar ook deze gebeurtenis laat zien dat dit begrip niet altijd de lading dekt. Het hoofdstuk (3) over de gezaghebbende professionals en professionele gezagsdragers zoomde in op beide categorieën en ook op de relatie tussen operationele functionarissen en de autoriteiten. Het hoofdstuk 4 gaat over de vraag: Wat weegt zwaarder: zorgvuldig forensisch onderzoek of de belangen van nabestaanden ? Na het hoofdstuk over de dodelijke slachtoffers volgde een hoofdstuk (5) over de gewonden. In de media is er met name na het uitkomen van het IOOV-rapport beroering ontstaan over het gemis aan medewerking van ziekenhuizen. Wij hebben geprobeerd de achterliggende verklaringen hiervoor te vinden. Het meest uitgebreide hoofdstuk (6) behandelde de relatie tussen het GBT en de driehoek. Gedurende de dag is een aantal zaken in de driehoek besproken en feitelijk besloten (en soms daarna nog bekrachtigd in het GBT). Verschillende bekende dilemma’s die spelen tussen het gemeentelijk/burgemeesterlijk belang en het strafrechtelijk belang zijn in deze Alphense casus belicht. Crisismanagement is vooral communicatiemanagement, zo stelden wij in hoofdstuk 7, waarbij met de snelle opkomst van de sociale media dit landschap niet alleen danig is veranderd, maar het voor gemeenten en andere betrokkenen alleen maar lastiger lijkt te zijn geworden om het goed te doen. Het laatste meer thematische hoofdstuk (8) behandelde de wijze waarop bij betrokken organisaties (politie, ambulancedienst en gemeente) na afloop de nazorg voor het eigen personeel is opgepakt
DOCUMENT
