MétaCan
Menu
Retour à la cohorte
Enregistrement W3200099429 · doi:10.2196/31125

Willingness to Receive COVID-19 Vaccination Among People Living With HIV and AIDS in China: Nationwide Cross-sectional Online Survey

2021· article· en· W3200099429 sur OpenAlexvenueno aff
Xiaojie Huang, Maohe Yu, Gengfeng Fu, Guanghua Lan, Linghua Li, Jianzhou Yang, Ying Qiao, Jin Zhao, Han‐Zhu Qian, Xiangjun Zhang, Xinchao Liu, Xia Jin, Guohong Chen, Hui Jiang, Weiming Tang, Zixin Wang, Junjie Xu

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental HealthNational Institutes of Health
Mots-clésVaccinationMedicineCross-sectional studyLogistic regressionOdds ratioEnvironmental healthCoronavirus disease 2019 (COVID-19)Family medicineImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: HIV infection is a significant independent risk factor for both severe COVID-19 presentation at hospital admission and in-hospital mortality. Available information has suggested that people living with HIV and AIDS (PLWHA) could benefit from COVID-19 vaccination. However, there is a dearth of evidence on willingness to receive COVID-19 vaccination among PLWHA. OBJECTIVE: The aim of this study was to investigate willingness to receive COVID-19 vaccination among a national sample of PLWHA in China. METHODS: This cross-sectional online survey investigated factors associated with willingness to receive COVID-19 vaccination among PLWHA aged 18 to 65 years living in eight conveniently selected Chinese metropolitan cities between January and February 2021. Eight community-based organizations (CBOs) providing services to PLWHA facilitated the recruitment. Eligible PLWHA completed an online survey developed using a widely used encrypted web-based survey platform in China. We fitted a single logistic regression model to obtain adjusted odds ratios (aORs), which involved one of the independent variables of interest and all significant background variables. Path analysis was also used in the data analysis. RESULTS: Out of 10,845 PLWHA approached by the CBOs, 2740 completed the survey, and 170 had received at least one dose of the COVID-19 vaccine. This analysis was performed among 2570 participants who had never received COVID-19 vaccination. Over half of the participants reported willingness to receive COVID-19 vaccination (1470/2570, 57.2%). Perceptions related to COVID-19 vaccination were significantly associated with willingness to receive COVID-19 vaccination, including positive attitudes (aOR 1.11, 95% CI 1.09-1.12; P<.001), negative attitudes (aOR 0.96, 95% CI 0.94-0.97; P<.001), perceived support from significant others (perceived subjective norm; aOR 1.53, 95% CI 1.46-1.61; P<.001), and perceived behavioral control (aOR 1.13, 95% CI 1.11-1.14; P<.001). At the interpersonal level, receiving advice supportive of COVID-19 vaccination from doctors (aOR 1.99, 95% CI 1.65-2.40; P<.001), CBO staff (aOR 1.89, 95% CI 1.51-2.36; P<.001), friends and/or family members (aOR 3.22, 95% CI 1.93-5.35; P<.001), and PLWHA peers (aOR 2.38, 95% CI 1.85-3.08; P<.001) was associated with higher willingness to receive COVID-19 vaccination. The overall opinion supporting COVID-19 vaccination for PLWHA on the internet or social media was also positively associated with willingness to receive COVID-19 vaccination (aOR 1.59, 95% CI 1.31-1.94; P<.001). Path analysis indicated that interpersonal-level variables were indirectly associated with willingness to receive COVID-19 vaccination through perceptions (β=.43, 95% CI .37-.51; P<.001). CONCLUSIONS: As compared to PLWHA in other countries and the general population in most parts of the world, PLWHA in China reported a relatively low willingness to receive COVID-19 vaccination. The internet and social media as well as interpersonal communications may be major sources of influence on PLWHA's perceptions and willingness to receive COVID-19 vaccination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,444
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,036
Tête enseignante GPT0,357
Écart entre enseignants0,321 · 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 tête enseignante, 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

Citations45
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetVaccine Coverage and HesitancyTravaux en français237 207