Identifying COVID-19 and H1N1 vaccination hesitancy or refusal among health care providers across North America, the United Kingdom, Europe, and Australia: a scoping review protocol
Notice bibliographique
Résumé
OBJECTIVE: The aim of this scoping review is to describe and map the evidence on COVID-19 and H1N1 vaccination hesitancy or refusal among physicians, nurses, and pharmacists across North America, the United Kingdom, Europe, and Australia. INTRODUCTION: When global pandemics occur, including the coronavirus (COVID-19) pandemic, which originated in 2020, and the swine flu influenza pandemic (H1N1) of 2009, there is increased pressure for pharmaceutical companies and government agencies to develop safe and effective vaccines against these highly contagious illnesses. Following development and approvals, it then becomes essential that priority populations, including frontline health care providers, opt to receive these vaccinations to prevent illness and potential transmission to their patients. However, vaccine hesitancy or refusal has played a significant role in suboptimal vaccination rates globally. As health care providers, including physicians, nurses, and pharmacists, often administer vaccines, their vaccination views and behaviors are of great importance because they can directly affect the vaccination decisions of their patients. INCLUSION CRITERIA: The review will identify factors affecting COVID-19 and H1N1 vaccine hesitancy or refusal among physicians, nurses, and pharmacists across a range of countries. Published and unpublished evidence, including quantitative, qualitative, mixed methods research, and gray literature, will be eligible for inclusion. METHODS: This scoping review protocol will follow JBI methodology. The search strategy will be developed with support from a health sciences librarian scientist to identify relevant evidence. Screening and data extraction will be conducted by two reviewers, with findings summarized and presented through narrative descriptions, tables, and figures.
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 | 0,105 | 0,102 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,004 |
| Méta-épidémiologie (sens large) | 0,012 | 0,015 |
| Bibliométrie | 0,018 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,008 | 0,007 |
| Science ouverte | 0,006 | 0,007 |
| Intégrité de la recherche | 0,008 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 0,006 |
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 ».