MétaCan
Menu
Retour à la cohorte
Enregistrement W2945537265 · doi:10.2196/13832

Providers’ Perceptions of Parental Human Papillomavirus Vaccine Hesitancy: Cross-Sectional Study

2019· article· en· W2945537265 sur OpenAlexvenueno aff
Jennifer Cunningham‐Erves, Tatsuki Koyama, Yi Huang, Jessica L. Jones, Consuelo H. Wilkins, Lora Harnack, Caree R. McAfee, Pamela C. Hull

Notice bibliographique

RevueJMIR Cancer · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCervical Cancer and HPV Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer Institute
Mots-clésMedicineCross-sectional studyFamily medicineVaccinationHuman papillomavirusDescriptive statisticsHealth careInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Human papillomavirus (HPV) vaccine hesitancy among parents contributes to low vaccination coverage in adolescents. To improve health care provider communication and vaccine recommendation practices with hesitant parents, it is important to understand how providers perceive parental HPV vaccine hesitancy. OBJECTIVE: This study aimed to characterize perceived reasons for parental HPV vaccine hesitancy and identify factors associated with perceived parental hesitancy among providers at community-based pediatric clinics. METHODS: In 2018, providers in 23 community-based pediatric clinics in Tennessee were invited to complete a Web-based baseline survey as part of a larger quality improvement study focused on HPV vaccine uptake. These survey data were used for a cross-sectional, secondary data analysis. Scale scores ranging from 0 to 100 were calculated for provider self-efficacy (confidence in ability to recommend HPV vaccine), provider outcome expectations (expectations that recommendation will influence parents' decisions), and perceived parental HPV vaccine hesitancy. Provider confidence in HPV vaccine safety and effectiveness were categorized as high versus low. Clinic-level exposures examined were clinic size and rural-urban location. Descriptive analyses were used to characterize perceived parental barriers by provider type. Mixed-effects linear regression models were fit taking one exposure variable at a time, whereas controlling for provider type, age, gender, and race to identify provider- and clinic-level factors associated with perceived parental barriers to HPV vaccination. RESULTS: Of the 187 providers located in the 23 clinics, 137 completed the survey. The majority of physician providers were white and female, with a higher percentage of females among nurse practitioners (NPs) and physician assistants (PAs). The most common parental barriers to HPV vaccination perceived by providers were concerns about HPV vaccine safety (88%), child being too young (78%), low risk of HPV infection for child through sexual activity (70%), and mistrust in vaccines (59%). In adjusted mixed models, perceived parental HPV vaccine hesitancy was significantly associated with several provider-level factors: self-efficacy (P=.001), outcome expectations (P<.001), and confidence in HPV vaccine safety (P=.009). No significant associations were observed between perceived parental HPV vaccine hesitancy and clinic-level factors clinic size nor location. CONCLUSIONS: Researchers developing provider-focused interventions to reduce parental HPV vaccine hesitancy should consider addressing providers' self-efficacy, outcome expectations, and confidence in HPV vaccine safety to help providers communicate more effectively with HPV vaccine hesitant parents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,041
Tête enseignante GPT0,427
Écart entre enseignants0,385 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations37
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR CancerMême sujetCervical Cancer and HPV ResearchTravaux en français237 207