COVID-19 Vaccine–Related Attitudes and Beliefs in Canada: National Cross-sectional Survey and Cluster Analysis
Notice bibliographique
Résumé
BACKGROUND: There are concerns that vaccine hesitancy may impede COVID-19 vaccine rollout and prevent the achievement of herd immunity. Vaccine hesitancy is a delay in acceptance or refusal of vaccines despite their availability. OBJECTIVE: We aimed to identify which people are more and less likely to take a COVID-19 vaccine and factors associated with vaccine hesitancy to inform public health messaging. METHODS: A Canadian cross-sectional survey was conducted in Canada in October and November 2020, prior to the regulatory approval of the COVID-19 vaccines. Vaccine hesitancy was measured by respondents answering the question "what would you do if a COVID-19 vaccine were available to you?" Negative binomial regression was used to identify the factors associated with vaccine hesitancy. Cluster analysis was performed to identify distinct clusters based on intention to take a COVID-19 vaccine, beliefs about COVID-19 and COVID-19 vaccines, and adherence to nonpharmaceutical interventions. RESULTS: Of 4498 participants, 2876 (63.9%) reported COVID-19 vaccine hesitancy. Vaccine hesitancy was significantly associated with (1) younger age (18-39 years), (2) lower education, and (3) non-Liberal political leaning. Participants that reported vaccine hesitancy were less likely to believe that a COVID-19 vaccine would end the pandemic or that the benefits of a COVID-19 vaccine outweighed the risks. Individuals with vaccine hesitancy had higher prevalence of being concerned about vaccine side effects, lower prevalence of being influenced by peers or health care professionals, and lower prevalence of trust in government institutions. CONCLUSIONS: These findings can be used to inform targeted public health messaging to combat vaccine hesitancy as COVID-19 vaccine administration continues. Messaging related to preventing COVID among friends and family, highlighting the benefits, emphasizing safety and efficacy of COVID-19 vaccination, and ensuring that health care workers are knowledgeable and supported in their vaccination counselling may be effective for vaccine-hesitant 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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 ».