Systematic Review and Meta-analysis on COVID-19 Vaccine Hesitancy
Notice bibliographique
Résumé
Abstract Background: The presented meta-analysis was developed in response to the publication of several studies addressing COVID-19 vaccines hesitancy. We aimed to identify the proportion of vaccine acceptance and rejection, and factors affecting vaccine hesitancy worldwide especially with the fast emergency approval of vaccines. Methods: Online database search was performed, and relevant studies were included with no language restriction. A meta-analysis was conducted using R software to obtain the random effect model of the pooled prevalence of vaccine acceptance and rejection. Egger’s regression test was performed to assess publication bias. Quality assessment was assessed using Newcastle-Ottawa Scale quality assessment tool. Results: Thirty-nine out of 12246 articles met the predefined inclusion criteria. All studies were cross-sectional designs. The pooled proportion of COVID-19 vaccine hesitancy was 17% (95% CI: 14-20) while the pooled proportion of COVID-19 vaccine acceptance was 75% (95% CI: 71-79). The vaccine hesitancy and the vaccine acceptance showed high heterogeneity (I 2 =100%). Case fatality ratio and the number of reported cases had significant effect on the vaccine acceptance as the pooled proportion of vaccine acceptance increased by 39.95% (95% CI: 20.1-59.8) for each 1% increase in case fatality (P<0.0001) and decreased by 0.1% (95% CI: -0.2-0.01) for each 1000 reported case of COVID-19, P= 0.0183). Conclusion: Transparency in reporting the number of newly diagnosed COVID-19 cases and deaths is mandatory as these factors are the main determinants of COVID-19 vaccine acceptance.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».