Exploring the impact of media and information on self-reported intentions to vaccinate against COVID-19: A qualitative interview-based study
Notice bibliographique
Résumé
BACKGROUND: The World Health Organization declared vaccine hesitancy a top threat to global health following resurgence of vaccine-preventable diseases close to eradication in many countries (e.g. measles). Vaccines are effective in preventing severe illness, hospitalization, and death from COVID-19, yet there remains a small proportion of the eligible population who choose not to vaccinate. Social media and online news sources are opportunities for targeted public health interventions to improve vaccine uptake. This study reports the results of a semi-structured interview study that explored the influence of media and information on individuals' self-reported intentions to vaccinate against COVID-19. METHODS: A qualitative descriptive study was employed to gain insight from a diverse group of individuals. Adult participants were recruited through a related COVID-19 study; we used a maximum variation sampling technique and purposively sampled participants based on demographics. Interviews were conducted from February 2021 to May 2021. Themes from interviews were summarized with representative quotations according to the 3C Theoretical Framework (Confidence, Complacency, Convenience). RESULTS: Key themes identified following thematic analysis from 60 participants included: vaccine safety, choice of vaccine, fear mongering, trust in authority, belief in vaccinations (Confidence); delaying vaccination (Complacency); confusing information, access to vaccines and information (Convenience). While most participants intended to vaccinate, many expressed concerns and hesitancy. CONCLUSIONS: COVID-19 vaccine hesitancy prevents universal immunization and contradictory messages in media are a source of concern and fear. The success of future vaccine campaigns will depend upon authorities' ability to disseminate accessible, detailed, and consistent information promoting public confidence.
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 | 0,015 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,007 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».