Factors Associated with COVID-19 Vaccine Hesitancy among Visible Minority Groups from a Global Context: A Scoping Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Vaccine hesitancy is one of the top ten greatest threats to global health. During the COVID-19 era, vaccine hesitancy poses substantial risks, especially in visible minorities, who are disproportionately affected by the pandemic. Although evidence of vaccine hesitancy exists, there is minimal focus on visible minorities and the reasons for hesitancy in this group are unclear. Identifying these populations and their reasons for vaccine hesitancy is crucial in improving vaccine uptake and curbing the spread of COVID-19. This scoping review follows a modified version of the Arksey and O'Malley strategy. Using comprehensive search strategies, advanced searches were conducted on Medline, CINAHL, and PubMed databases to acquire relevant articles. Full-text reviews using inclusion and exclusion criteria were performed to extract themes of vaccine hesitancy. Themes were grouped into factors using thematic qualitative analysis and were objectively confirmed by principal component analysis (PCA). To complement both analyses, a word cloud of titles and abstracts for the final articles was generated. This study included 71 articles. Themes were grouped into 8 factors and the top 3 recurring factors were safety and effectiveness of the vaccine, mistrust, and socioeconomic characteristics. Shedding light on these factors could help mitigate health inequities and increase overall vaccine uptake worldwide through interventions and policies targeted at these factors. Ultimately, this would help achieve global herd immunity.
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.
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 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle