The Impact of COVID-19 Vaccine Communication, Acceptance, and Practices (CO-VIN-CAP) on Vaccine Hesitancy in an Indian Setting: Protocol for a Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: COVID-19 vaccine is considered to be a key to limiting and eliminating infectious disease. But, the success of the vaccination program will rely on the rates of vaccine acceptance among the population. OBJECTIVE: The objective of this study is to examine the factors that influence vaccine hesitancy and vaccine acceptance and to explore the unintended consequences of COVID-19 infections. The study will further explore the association between socio-demographic characteristics, health status, COVID-19 related knowledge, attitude, practice, and its influence on Vaccine hesitancy and acceptance among individuals living in urban and rural settings of Chennai, Tamil Nadu in the Southern state of India. METHODS: A cross-sectional study will be conducted between January 2021 and January 2023. A sample of approximately 25,000 individuals will be recruited and enrolled using a non-probability complete enumeration sampling method from eleven selected urban and rural settings of Chennai. The data will be collected at a one-time point by administering the questionnaire to the eligible study participants. The collected data will be used to assess the rates of vaccine acceptance, hesitancy as well as knowledge, attitudes, practices, and beliefs regarding COVID-19 and COVID-19 vaccine. Lastly, the study questionnaire will be used to assess the unintended consequences of COVID-19 infection. RESULTS: A pilot of 2500 individuals has been conducted to pre-test the self-administered study questionnaire. The data collection initiated on March 1, 2021 and the initial results are planned for publication by June 2021. Descriptive analysis of the gathered data will be performed using Statistical Analysis System (SAS) v9.1 and reporting of the results will be done at 95% confidence interval and P=.049. The study will help explore the burden of vaccine acceptance and hesitancy among individuals living in urban and rural settings of Chennai. Further, it will help to examine the variables that influence vaccine acceptance and hesitancy. Lastly, the result findings will help to design and develop a user-centered informatics platform that can deliver multimedia-driven health educational modules tailored to facilitate vaccine uptake in varied settings. CONCLUSIONS: The proposed study will help in understanding the rate and determinants of COVID-19 vaccine acceptance and hesitancy among the population of Chennai. The findings of the study would further facilitate the development of a multifaceted intervention to enhance vaccine acceptance among the population.
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 | 0,018 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,020 | 0,004 |
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 ».