Estimating the size of “anti-vax” and vaccine hesitant populations in the US, UK, and Canada: comparative latent class modeling of vaccine attitudes
Notice bibliographique
Résumé
Vaccine hesitancy is a significant impediment to global efforts to vaccinate against the SARS-CoV-2 virus at levels that generate herd immunity. In this article, we show the utility of an inductive approach - latent class analysis (LCA) - that allows us to characterize the size and nature of different vaccine attitude groups; and to compare how these groups differ across countries as well as across demographic subgroups within countries. We perform this analysis using original survey data collected in the US, UK, and Canada. We also show that these classes are strongly associated with SARS-CoV-2 vaccination intent and perceptions of the efficacy and safety of the COVID-19 vaccines, suggesting that attitudes about vaccines to fight the novel coronavirus pandemic are well explained by latent vaccine attitudes that precede the pandemic. More specifically, we find four substantive classes of vaccine attitudes: strong supporters, supporters with concerns, vaccine hesitant, and "anti-vax" as well as a fifth measurement error class. The strong "anti-vax" sentiment class is small in all three countries, while the strong supporter class is the largest across all three countries. We observe different distributions of class assignments in different demographic groups - most notably education and political leaning (partisanship and ideology).
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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».