Predictors of parents’ infant vaccination decisions: A concept derivation
Notice bibliographique
Résumé
The myths surrounding coronavirus disease 2019 (COVID-19) vaccines have prompted scientists to refocus their attention on vaccine hesitancy, which is fuelled by the spread of misinformation. The scientific investigation of behavioural concepts relating to vaccine hesitancy can be enhanced by the examination of behavioural concepts from the field of consumer sciences. South African consumer scientists study personal decisions that contribute to individuals' well-being, including the decisions to prevent ill health. Current data on the predictors of vaccination decisions do not incorporate consumer science constructs imperative in decision-making, which could provide fresh insights in addressing vaccine hesitancy. This study aimed to investigate and illustrate the analogy between concepts of the Health Belief Model (HBM) as parent model, and consumer behaviour that could affect parents' infant vaccination decisions, by applying a concept derivation approach. The HBM was analysed within the context of public health, including literature from consumers' vaccination decisions, medical decisions, paediatrics, vaccinology, virology and nursing. Through a qualitative, theory derivation strategy, six main concepts of the HBM were redefined to consumer sciences, using four iterative concept derivation steps. Concept derivation resulted in consumer behaviour concepts that could be possible predictors of parents' infant vaccination decisions, including consumers' values; risk perception; consideration of immediate and future consequences; self-efficacy; cues to action; demographics; personal information and knowledge. These predictors could be a starting point for a context- and product-specific consumer primary preventive healthcare decisions model. Our findings highlight the opportunities for interdisciplinary collaboration in investigating consumer primary healthcare-related behaviour. CONTRIBUTION: This study introduced interfaces between consumer science and health science literature. Through interdisciplinary collaboration, a better understanding of influences to promote primary preventive healthcare can be achieved.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».