Correlates of Coronavirus Disease 2019 (COVID-19) Vaccine Hesitancy Among People Who Inject Drugs in the San Diego-Tijuana Border Region
Notice bibliographique
Résumé
BACKGROUND: People who inject drugs (PWID) are vulnerable to acquiring severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). We examined correlates of coronavirus disease 2019 (COVID-19) vaccine hesitancy among PWID in the US-Mexico border region, of whom only 7.6% had received ≥ 1 COVID-19 vaccine dose by September 2021. METHODS: Between October 2020 and September 2021, participants aged ≥ 18 years from San Diego, California, USA, and Tijuana, Baja California, Mexico, who injected drugs within the last month completed surveys and SARS-CoV-2, human immunodeficiency virus (HIV), and hepatitis C virus (HCV) serologic testing. Logistic regressions with robust standard error estimation via generalized estimating equations identified factors associated with being unsure or unwilling to receive COVID-19 vaccines. RESULTS: Of 393 participants, 266 (67.7%) were willing to receive COVID-19 vaccines and 127 (32.3%) were hesitant (23.4% unwilling and 8.9% unsure). Older participants, those with greater food insecurity, and those with greater concern about acquiring SARS-CoV-2 were more willing to be vaccinated. Higher numbers of chronic health conditions, having access to a smart phone or computer, and citing social media as one's most important source of COVID-19 information were independently associated with vaccine hesitancy. COVID-19-related disinformation was independently associated with vaccine hesitancy (adjusted odds ratio: 1.51 per additional conspiracy theory endorsed; 95% confidence interval: 1.31-1.74). CONCLUSIONS: Nearly one third of people injecting drugs in the US-Mexico border region were COVID-19 vaccine hesitant, which was significantly associated with exposure to social media, disinformation and co-morbidities and inversely associated with food security and high perceived threat of COVID-19. Interventions that improve accurate knowledge of and trust in COVID-19 vaccines are needed in this vulnerable population.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».