A qualitative meta-synthesis on how autonomy promotes vaccine rejection or delay among health care providers
Notice bibliographique
Résumé
In spite of the overwhelming evidence that highlights the effectiveness of routine vaccination, an increasing number of people are refusing to follow recommended vaccination schedules. While the majority of research in this area has focussed on vaccine hesitancy in parents, there is little research on the factors that promote vaccine hesitancy in health care providers (HCPs). Identifying factors that promote vaccine hesitancy in HCPs is essential because it may help broaden our understanding of vaccine hesitancy in patients. Therefore, the goal of this investigation was to review 21 studies and examine how professional autonomy and risk perception may promote vaccine acceptance, rejection and delay in physicians and nurses. We found that vaccine hesitant nurses and physicians shared similar views towards vaccines; both groups believed that their decision to vaccinate was separate from their role as an HCP. This belief comprised of three themes: decisional autonomy, personal risk perception and alternatives to vaccination. Both groups believed that mandatory vaccine policies reduced their ability to decide whether vaccination was in their best interests. We argue that decisional autonomy may weaken risk perception of disease, which in turn may encourage beliefs and behaviours that reinforce a 'hero persona' that reduces appropriate preventive and hygiene measures. We employ the Health Belief Model to discuss the crucial role that risk perceptions may play in reinforcing autonomy in vaccine hesitant physician and nurses. We conclude this paper by providing a set of recommendations that aim to improve the decision-making process surrounding mandatory vaccinations for HCPs.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».