65. Vaccine Confidence, COVID19, and the Influence of Peer Networks
Notice bibliographique
Résumé
Abstract Background An increased appreciation for vaccines could be expected due to COVID-19. However, surveys show a polarization in opinions with about 20% of Americans preemptively rejecting any COVID-19 vaccine, partly due to inconsistent risk communication. While Health Care Professionals (HCPs) will be heavily relied upon to encourage uptake of a COVID-19 vaccine and 70% of Americans receive their vaccine information from HCPs, 84% also rely on peer networks. Understanding that HCPs have an important, but not exclusive, influence on health decision making can signal a new approach. This study provides data on where women, the main decision-makers regarding immunization in most families access information about vaccination. Methods Through an online survey conducted in UK, Brazil, Germany, Italy and Canada from 10 to 19-March 2020, we collected data on where, and from whom, women aged 25–54 years access information about vaccination. We set 1000 respondents/country quotas to reflect regional differences with data weighted as necessary. Results 5,036 women who met inclusion criteria responded: from the UK (1,003), Brazil (1,002), Germany (1,008), Italy (1,007), and Canada (1,016). Though most likely to receive vaccination info via their HCP: in Germany, women are least likely to be influenced by HCPs, with those aged 25–34 years more likely to turn to family members or online sources; in the UK, they are more likely to find info via a health authority’s website; and in Brazil, they are more likely to see info in traditional media and on Facebook. Only 50% ranked vaccine efficacy and disease risk in the Top 5 factors influencing their vaccine decisions, alongside the opinion of an HCP, recommendation of a Public Health Authority and impact of the disease. Conclusion HCPs, families and peers are important sources of info regarding vaccination. COVID-19 is unlikely to improve vaccine confidence as the issue becomes increasingly polarized and communications more inconsistent. We can respond by investing in health promotion and harmonized communications through peer networks. Since caregivers, their families and peers have increased weight in vaccination decisions, then they should have increased weight in preventive health strategies. Disclosures Ivo Vojtek, PharmD, PhD, MSc, FRSM, RPh, GSK Vaccines (Employee, Shareholder) Vanessa Palsenbarg, MA, GSK Vaccines (Employee, Shareholder) Joe Smyser, PhD, Public Good Project (Board Member, Employee)
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 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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».