Hesitant or Not? The Association of Age, Gender, and Education with Potential Acceptance of a COVID-19 Vaccine: A Country-level Analysis
Notice bibliographique
Résumé
In December 2020, the first COVID-19 vaccines were approved. Despite more than 85 million reported cases and 1.8 million known deaths, millions worldwide say they may not accept it. This study assesses the associations of age, gender, and level of education with vaccine acceptance, from a random sample of 13,426 participants selected from 19 high-COVID-19 burden countries in June 2020. Based on univariable and multivariable logistic regression, several noteworthy trends emerged: women in France, Germany, Russia, and Sweden were significantly more likely to accept a vaccine than men in these countries. Older (≥50) people in Canada, Poland, France, Germany, Sweden, and the UK were significantly more favorably disposed to vaccination than younger respondents, but the reverse trend held in China. Highly educated individuals in Ecuador, France, Germany, India, and the US reported that they will accept a vaccine, but higher education levels were associated with lower vaccination acceptance in Canada, Spain, and the UK. Heterogeneity by demographic factors in the respondents' willingness to accept a vaccine if recommended by employers were substantial when comparing responses from Brazil, Ecuador, France, India, Italy, Mexico, Poland, Russia, South Africa, South Korea, Sweden, and the US. This information should help public health authorities target vaccine promotion messages more effectively.
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 | 0,002 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».