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 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 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».