MétaCan
Menu
Retour à la cohorte
Enregistrement W3166734110 · doi:10.3390/vaccines9060661

Global Trends and Correlates of COVID-19 Vaccination Hesitancy: Findings from the iCARE Study

2021· article· en· W3166734110 sur OpenAlexafffund
Jovana Stojanovic, Vincent Gosselin Boucher, Myriam Gagné, Samir Gupta, Keven Joyal‐Desmarais, Stefania Paduano, Ala’ S. Aburub, Sherri Sheinfeld Gorin, Angelos P. Kassianos, Paula Aver Bretanha Ribeiro, Simon Bacon, Kim Lavoie

Notice bibliographique

RevueVaccines · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of TorontoUniversité du Québec à MontréalSt. Michael's HospitalConcordia UniversityCentre Intégré Universitaire de Santé et de Services Sociaux du Centre-Sud-de-l'Île-de-Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchFonds de Recherche du Québec-Société et CultureCanada Excellence Research Chairs, Government of Canada
Mots-clésVaccinationCoronavirus disease 2019 (COVID-19)Multivariate analysisDemographyCross-sectional studyMedicinePsychologyEnvironmental healthImmunology

Résumé

récupéré en direct d'OpenAlex

The success of large-scale COVID-19 vaccination campaigns is contingent upon people being willing to receive the vaccine. Our study explored COVID-19 vaccine hesitancy and its correlates in eight different countries around the globe. We analyzed convenience sample data collected between March 2020 and January 2021 as part of the iCARE cross-sectional study. Univariate and multivariate statistical analyses were conducted to explore the correlates of vaccine hesitancy. We included 32,028 participants from eight countries, and observed that 27% of the participants exhibited vaccine hesitancy, with increases over time. France reported the highest level of hesitancy (47.3%) and Brazil reported the lowest (9.6%). Women, younger individuals (≤29 years), people living in rural areas, and those with a lower perceived income were more likely to be hesitant. People who previously received an influenza vaccine were 70% less likely to report COVID-19 vaccine hesitancy. We observed that people reporting greater COVID-19 health concerns were less likely to be hesitant, whereas people with higher personal financial concerns were more likely to be hesitant. Our findings indicate that there is substantial vaccine hesitancy in several countries, with cross-national differences in the magnitude and direction of the trend. Vaccination communication initiatives should target hesitant individuals (women, younger adults, people with lower incomes and those living in rural areas), and should highlight the immediate health, social and economic benefits of vaccination across these settings. Country-level analyses are warranted to understand the complex psychological, socio-environmental, and cultural factors associated with vaccine hesitancy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,024
Tête enseignante GPT0,323
Écart entre enseignants0,299 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations78
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVaccinesMême sujetVaccine Coverage and HesitancyTravaux en français237 207