MétaCan
Menu
Retour à la cohorte
Enregistrement W3205311090 · doi:10.1016/j.vaccine.2021.10.002

Canadian parents’ perceptions of COVID-19 vaccination and intention to vaccinate their children: Results from a cross-sectional national survey

2021· article· en· W3205311090 sur OpenAlexafffundabout
Robin M. Humble, Hannah Sell, Ève Dubé, Noni E. MacDonald, Joan Robinson, S. Michelle Driedger, Manish Sadarangani, Samantha B. Meyer, Sarah E. Wilson, Karen Benzies, Samuel Lemaire‐Paquette, Shannon E. MacDonald

Notice bibliographique

RevueVaccine · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of CalgaryCentre Hospitalier Universitaire de SherbrookeUniversity of WaterlooPublic Health OntarioUniversity of British ColumbiaUniversity of ManitobaUniversity of TorontoBC Children's HospitalDalhousie UniversityUniversité LavalUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCoronavirus disease 2019 (COVID-19)VaccinationCross-sectional study2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)MedicineVirologyEnvironmental healthFamily medicinePediatricsPsychologyOutbreakDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Vaccinating children (≤17 years old) is important for controlling the COVID-19 pandemic. As parents are primary decision makers for their children, we aimed to assess parents' perceptions and intentions regarding COVID-19 vaccination for their children, including for some underserved populations (e.g., newcomers, Indigenous peoples, and visible minority groups). METHODS: We conducted a cross-sectional national survey of Canadian parents in December 2020, just as COVID-19 vaccines were approved for adults, to assess intention to vaccinate their children (aged 0-17 years) against COVID-19, perceptions of COVID-19 disease and vaccines, previous uptake of influenza and routine vaccines, and sociodemographic characteristics. Binomial logistic regression was used to assess the association between parents' lack of COVID-19 vaccination intention for their children and various independent variables. RESULTS: Sixty-three percent of parents (1074/1702) intended to vaccinate their children against COVID-19. Those employed part-time (compared to full-time) had lower intention to vaccinate their children (aOR = 1.73, 95% CI: 1.06-2.84), while those who spoke languages other than English, French, or Indigenous languages were less likely to have low intention (aOR = 0.55, 95% CI: 0.32-0.92). Low vaccination intention was also associated with children not receiving influenza vaccine pre-pandemic (aOR = 1.51, 95% CI: 1.04-2.21), parents having low intention to vaccinate themselves against COVID-19 (aOR = 9.22, 95% CI: 6.43-13.34), believing COVID-19 vaccination is unnecessary (aOR = 2.59, 95% CI: 1.72-3.91) or unsafe (aOR = 4.21, 95% CI: 2.96-5.99), and opposing COVID-19 vaccine use in children without prior testing (aOR = 3.09, 95% CI: 1.87-5.24). INTERPRETATION: Parents' COVID-19 vaccination intentions for their children are better predicted by previous decisions regarding influenza vaccination than routine childhood vaccines, and other perceptions of COVID-19 vaccine-related factors. Public communication should highlight the safety and necessity of COVID-19 vaccination in children to support a return to normal activities. Further research should assess actual COVID-19 vaccination uptake in children, particularly for underserved populations.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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 enseignants0,014
Score d'incertitude au seuil0,077

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,043
Tête enseignante GPT0,338
Écart entre enseignants0,296 · 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

Citations121
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetVaccine Coverage and HesitancyTravaux en français237 207