Explanations for Not Receiving the Seasonal Influenza Vaccine: An Ontario Canada Based Survey
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Despite evidence of the importance of the seasonal influenza vaccine for both individual and population health, only a third of the Ontario population received the vaccine in 2013/2014. The objective of this study was to identify why Ontarians are not getting the seasonal influenza vaccine. Written responses to the question "Why didn't you get the seasonal flu vaccine in the last flu season?" were deductively analyzed using the Conceptual Model of Vaccine Hesitancy. Inductive coding was also conducted to identify explanations that fall outside of the present model and may be unique to the seasonal influenza vaccine. Data were collected between August and early September, 2014 through a survey in the Region of Waterloo, Ontario. Overall, 91.4% of responses could be explained using the conceptual model and specifically relate to perceived importance of vaccination (46.8%), moral convictions (19.4%), and past experiences with vaccinations services (14.5%). Notably, explanations related to healthcare professional attitudes, risk perceptions and trust, and subjective norms were identified to a much lesser extent than those discussed above. The remaining 8.6% of responses cannot be explained by the model because they do not relate to hesitancy. Our data contribute to the minimal body of Canadian research investigating low uptake of the seasonal flu vaccine, adding to an evidence-base upon which to inform promotional campaigns. Our data also highlight the utility of the Conceptual Model of Vaccine Hesitancy for the design and analysis of research investigating seasonal flu vaccine refusal or delay.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,004 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle