Reasons for COVID-19 vaccine refusal among people incarcerated in Canadian federal prisons
Notice bibliographique
Résumé
BACKGROUND: Vaccine uptake rates have been historically low in correctional settings. To better understand vaccine hesitancy in these high-risk settings, we explored reasons for COVID-19 vaccine refusal among people in federal prisons. METHODS: Three maximum security all-male federal prisons in British Columbia, Alberta, and Ontario (Canada) were chosen, representing prisons with the highest proportions of COVID-19 vaccine refusal. Using a qualitative descriptive design and purposive sampling, individual semi-structured interviews were conducted with incarcerated people who had previously refused at least one COVID-19 vaccine until data saturation was achieved. An inductive-deductive thematic analysis of audio-recorded interview transcripts was conducted using the Conceptual Model of Vaccine Hesitancy. RESULTS: Between May 19-July 8, 2021, 14 participants were interviewed (median age: 30 years; n = 7 Indigenous, n = 4 visible minority, n = 3 White). Individual-, interpersonal-, and system-level factors were identified. Three were particularly relevant to the correctional setting: 1) Risk perception: participants perceived that they were at lower risk of COVID-19 due to restricted visits and interactions; 2) Health care services in prison: participants reported feeling "punished" and stigmatized due to strict COVID-19 restrictions, and failed to identify personal benefits of vaccination due to the lack of incentives; 3) Universal distrust: participants expressed distrust in prison employees, including health care providers. INTERPRETATION: Reasons for vaccine refusal among people in prison are multifaceted. Educational interventions could seek to address COVID-19 risk misconceptions in prison settings. However, impact may be limited if trust is not fostered and if incentives are not considered in vaccine promotion.
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 | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».