MétaCan
Menu
Retour à la cohorte
Enregistrement W3126317793 · doi:10.1186/s12889-021-11098-9

Intention to receive a COVID-19 vaccine: results from a population-based survey in Canada

2021· article· en· W3126317793 sur OpenAlex
Gina Ogilvie, Shanlea Gordon, Laurie Smith, Arianne Albert, C. Sarai Racey, Amy Booth, Anna Gottschlich, David A. Goldfarb, Melanie C. M. Murray, Liisa A.M. Galea, Angela Kaida, Lori A. Brotto, Manish Sadarangani

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
aboutLe titre ou le résumé porte un signal canadien du lexique géographique.

Notice bibliographique

RevueBMC Public Health · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensVancouver Community CollegeSimon Fraser UniversityChildren's & Women's Health Centre of British ColumbiaBC Cancer AgencyWomen's Health Research InstituteBC Children's HospitalBritish Columbia Centre of Excellence for Women's HealthUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésMedicineBiostatisticsLogistic regressionFamily medicineVaccinationPopulationPublic healthDemographyOddsOdds ratioEnvironmental healthImmunologyNursingInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The success of any COVID-19 vaccine program ultimately depends on high vaccine uptake. This study determined overall intention to receive a COVID-19 vaccine and identified factors that predict intentions to be vaccinated against COVID-19 in Canada, specifically in key priority groups identified by the American Committee on Immunization Practice (ACIP) and the National Advisory Committee on Immunization (NACI) for early immunization. METHODS: Individuals from research cohorts from the general population of British Columbia aged 25-69 were invited complete an online survey based on validated scales and theoretical frameworks to explore intention to receive a COVID-19 vaccine. Two multivariable logistic regression models were conducted to determine factors associated with intention to receive the COVID-19 vaccine. RESULTS: Of 4948 respondents, 79.8% intended to receive a COVID-19 vaccine. In multivariable modeling, respondents who intended to receive the vaccine had higher vaccine attitudinal scores (p < 0.001), reported greater influence of direct social norms (p = 0.001), and indirect social norms, including their family physician (p = 0.024), and Provincial Health Officer (p = 0.011). Older individuals (> 60 years) were more likely to intend to receive the vaccine, while females (95%CI 0.57,0.93), those with less than high school education (95%CI 0.5,0.76), those who self-identified as non-white (95%CI 0.60,0.92), self-identified as Indigenous (95%CI 0.36,0.84) and essential non-health care workers (95%CI 0.59,0.86) had lower adjusted odds of intending to receive a COVID-19 vaccine. CONCLUSIONS: To optimize vaccine coverage, public health should focus on key messages around vaccine safety and benefit, and leverage trusted practitioners for messaging. As certain key populations identified by NACI and ACIP for early immunization report a lower intention to vaccinate, there is a need for in-depth education and support for these communities to ensure optimal uptake.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,018
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
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 enseignants0,122
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,096
Tête enseignante GPT0,359
Écart entre enseignants0,263 · 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