MétaCan
Menu
Retour à la cohorte
Enregistrement W4220842053 · doi:10.1111/irv.12978

Factors associated with early uptake of COVID‐19 vaccination among healthcare workers in Azerbaijan, 2021

2022· article· en· W4220842053 sur OpenAlexfundno aff
Jason Doran, Nabil Seyidov, Samir Mehdiyev, Giorgia Gon, Esther Kissling, Trent Herdman, Javahir Suleymanova, Ana Paula Couthino Rehse, Richard Pebody, Mark A. Katz, Gahraman Hagverdiyev

Notice bibliographique

RevueInfluenza and Other Respiratory Viruses · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesCanada Excellence Research Chairs, Government of CanadaWorld Health Organization
Mots-clésCoronavirus disease 2019 (COVID-19)VaccinationHealth care2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologyMedicinePandemicHealthcare systemEnvironmental healthOutbreakEconomic growthDiseaseInfectious disease (medical specialty)Internal medicine

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: We evaluated uptake and factors associated with COVID-19 vaccination among health workers (HWs) in Azerbaijan. RESULTS: Among 1575 HWs, 73% had received at least one dose, and 67% received two doses; all received CoronaVac. Factors associated with vaccination uptake included no previous COVID-19 infection, older age, belief in the vaccine's safety, previous vaccination for influenza, having patient-facing roles and good or excellent health by self-assessment. CONCLUSION: These findings could inform strategies to increase vaccination uptake as the campaign continues.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,172
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,163
Tête enseignante GPT0,377
Écart entre enseignants0,214 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInfluenza and Other Respiratory VirusesMême sujetVaccine Coverage and HesitancyTravaux en français237 207