Factors Affecting the Decision Making of HPV Vaccination Uptake Among Female Youth in Klang Valley (Influencing Factors): A Qualitative Study
Notice bibliographique
Résumé
INTRODUCTION: Cervical cancer is estimated to affect 500 000 women each year globally, whereby 80% of the cases are in developing nations. Almost all cervical cancer cases were attributed to Human Papilloma Virus (HPV) infection. AIM: To identify factors influencing the decision-making of HPV vaccination uptake as prevention for cervical cancer among female youth in the Klang Valley METHODS: This study used in-depth interview; purposive sampling and snowball sampling method. The questionnaire was based on the Health Belief Model, which consist of perceived susceptibility, severity, benefit, barrier and cues to action. NVivo 7 software was used to process, transcribe and analyse the data from interview sessions. RESULT: This study found that the key driving factors that encouraged female youth to get vaccinated were due to the role of family members and friends, concerns on contracting HPV related illness, free/discounted priced vaccination, recommendation from health care personnel, government’s policy, and benefit (believe in the effectiveness of vaccination). Meanwhile, deterring factors which prevented the uptake of HPV vaccination were lack of knowledge and awareness, costs, healthcare provider and services, time constraint and perceived not at risk. CONCLUSION: Factors leading to the uptake of the HPV vaccine should be seen in a transparent manner to ensure the success of the HPV vaccination program in this country.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».