Initial Mix-and-Match COVID-19 Vaccination Perceptions, Concerns, and Side Effects across Canadians
Notice bibliographique
Résumé
Research indicates that mixing the first two doses of COVID-19 vaccine types (i.e., adenoviral vector and mRNA) produces potent immune responses against the coronavirus, but it is unclear how individuals may perceive these benefits, or whether there are different concerns compared to individuals who received two doses of the same vaccine. This research examines the demographic characteristics, psychological perceptions, and vaccination-related opinions and experiences of a large Canadian sample (N = 1002) who had received two initial doses of any COVID-19 vaccine combination. Participants included 791 (78.9%) who received two doses of the exact same brand and type of vaccine, 164 (16.4%) who received two doses of the same type of vaccine (i.e., either mRNA or adenoviral vector) but from different brands (e.g., Pfizer-BioNTech + Moderna), and 47 (4.7%) who received two doses from different types and brands of vaccine (e.g., Oxford-AstraZeneca + Pfizer-BioNTech). Results showed that, after the first vaccine dose, participants who received an adenoviral vector vaccine (e.g., Oxford-AstraZeneca) experienced the highest number of common side effects, and more severe levels of each side effect compared to those who received an mRNA vaccine (e.g., Pfizer-BioNTech or Moderna). After the second dose, participants who received Moderna as their second vaccine experienced the highest number of and most severe side effects, regardless of whether they received Moderna, Pfizer-BioNTech, or Oxford-AstraZeneca as their first dose. Real-world implications of these findings are discussed.
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 | 0,003 | 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 ».