The impact of mental health and substance use issues on COVID-19 vaccine readiness: a cross sectional community-based survey in Ontario, Canada
Notice bibliographique
Résumé
Abstract Background COVID-19 vaccines have been approved for use in Canada since December 2020. However, data about factors associated with vaccine hesitancy and the impact of mental health and/or substance use (MHSU) issues on vaccine uptake are currently not available. The goal of this study was to explore factors, particularly MHSU factors, that impact COVID-19 vaccination intentions in Ontario, Canada. Methods A community-based cross-sectional survey with recruitment based on age, gender, and geographical location (to ensure a representative population of Ontario), was conducted in February 2021. Multinomial logistic regression was used to test the relationship between COVID-19 vaccination status and plans and sociodemographic background, social support, anxiety about contracting COVID-19, and MHSU concerns. Results Of the total sample of 2528 respondents, 1932 (76.4%) were vaccine ready, 381 (15.1%) were hesitant, and 181 (7.1%) were resistant. Significant independent predictors of vaccine hesitancy compared with vaccine readiness included younger age (OR=2.11, 95%CI=1.62-2.74), female gender (OR=1.36, 95%CI=1.06-1.74), Black ethnicity (OR=2.11, 95%CI=1.19-3.75), lower education (OR=1.69, 95%CI=1.30-2.20), lower SES status (OR=.88, 95%CI=.84-.93), lower anxiety about self or someone close contracting COVID-19 (OR=2.06, 95%CI=1.50-2.82), and lower depression score (OR=.90, 95%CI=.82-.98). Significant independent predictors of vaccine resistance compared with readiness included younger age (OR=1.72, 95%CI=1.19-2.50), female gender (OR=1.57, 95%CI=1.10-2.24), being married (OR=1.50, 95%CI=1.04-2.16), lower SES (OR=.80, 95%CI=.74-.86), lower satisfaction with social support (OR=.78, 95%CI=.70-.88), lower anxiety about contracting COVID-19 (OR=7.51, 95%CI=5.18-10.91), and lower depression score (OR=.85, 95%CI=.76-.96). Interpretation COVID-19 vaccination intention is affected by sociodemographic factors, anxiety about contracting COVID-19, and select mental health issues.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 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 ».