Behavioural Determinants of COVID-19-Vaccine Acceptance in Rural Areas of Six Lower- and Middle-Income Countries
Notice bibliographique
Résumé
Delayed acceptance or refusal of COVID-19 vaccines may increase and prolong the threat to global public health and the economy. Identifying behavioural determinants is considered a critical step in explaining and addressing the barriers of vaccine refusal. This study aimed to identify the behavioural determinants of COVID-19-vaccine acceptance and provide recommendations to design actionable interventions to increase uptake of the COVID-19 vaccine in six lower- and middle-income countries. Taking into consideration the health belief model and the theory of reasoned action, a barrier analysis approach was employed to examine twelve potential behavioural determinants of vaccine acceptance in Bangladesh, India, Myanmar, Kenya, the Democratic Republic of the Congo (DRC), and Tanzania. In all six countries, at least 45 interviews with those who intended to get the vaccine (“Acceptors”) and another 45 or more interviews with those who did not (“Non-acceptors”) were conducted, totalling 542 interviews. Data analysis was performed to find statistically significant (p < 0.05) differences between Acceptors and Non-acceptors of COVID-19 vaccines and to identify which beliefs were most highly associated with acceptance and non-acceptance of vaccination based on the estimated relative risk. The analysis showed that perceived social norms, perceived positive and negative consequences, perceived risk, perceived severity, trust, perceived safety, and expected access to COVID-19 vaccines had the highest associations with COVID-19-vaccine acceptance in Bangladesh, Kenya, Tanzania, and the DRC. Additional behavioural determinants found to be significant in Myanmar and India were perceived self-efficacy, trust in COVID-19 information provided by leaders, perceived divine will, and perceived action efficacy of the COVID-19 vaccines. Many of the determinants were found to be significant, and their level of significance varied from country to country. National and local plans should include messages and activities that address the behavioural determinants found in this study to significantly increase the uptake of COVID-19 vaccines across these countries.
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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».