Public Preferences for a COVID-19 Vaccination Program in Quebec: A Discrete Choice Experiment
Notice bibliographique
Résumé
OBJECTIVES: We aimed to elicit preferences of the French-speaking Quebec population regarding a COVID-19 vaccination program and to characterize individuals with respect to their vaccination behaviors. METHODS: A discrete choice experiment was conducted in Autumn 2020 via a web-based survey. Its design included seven attributes: vaccine origin, vaccine effectiveness, side effects, protection duration, priority population, waiting time to get vaccinated, and recommender of the vaccine. Utilities were estimated using a mixed-logit model and a latent class logit model. RESULTS: Our sample included 1599 individuals. From this total, 119 always chose the opt-out option (7.4%). According to the mixed-logit model, the relative weights of attributes were as follows: effectiveness (28.48%), side effects (23.68%), protection duration (17.41%), vaccine origin (12.75%), recommender (11.96%), waiting time to get vaccinated (3.62%), and priority population (2.11%). Five classes were derived from the latent class logit model. Class 1 (9.13%) wanted to get vaccinated as fast as possible and was composed of uncertain and more vulnerable individuals. Class 5 (25.14%) was similar to the full sample, mostly favoring vaccination. Classes 2 (7.69%) and 4 (15.82%) included "vaccine hesitant and demanding" individuals but were different in their sociodemographic profiles. Finally, "anti-vaccine" and other "vaccine hesitant" individuals were in class 3 (42.21%). CONCLUSIONS: This study showed the vaccine characteristics that are likely to improve vaccine uptake, which may more easily lead to herd immunity. Different profiles of respondents also showed various levels of acceptance toward a COVID-19 vaccination program, which may help to better understand vaccine hesitancy behaviors.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».