MétaCan
Menu
Retour à la cohorte
Enregistrement W4224306937 · doi:10.5539/res.v14n2p54

Impact of Psycho-Social Factors, E-health Literacy and Information Access on COVID-19 Vaccination Perceptions and Intentions: Online Survey

2022· article· en· W4224306937 sur OpenAlexvenueno aff
Noémie Chaniaud, Pauline Jeanpierre, Vanessa Laguette, Émilie Loup‐Escande

Notice bibliographique

RevueReview of European Studies · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésVaccinationHealth literacyPsychologyPerceptionCoronavirus disease 2019 (COVID-19)PopulationPandemicLiteracyFamily medicineMedicineEnvironmental healthHealth carePolitical scienceDisease

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has been associated with an infodemic which impacts on vaccination perceptions and intentions. E-health literacy seems to be the key to searching health information on the web. Age and income level impact vaccine hesitancy and resistance. It is important to know more about the population who are hesitant to get vaccinated in order to develop appropriate and accessible information. We focused on four factors that impact vaccination perceptions and intentions: socio-demographic characteristics (age and education level), e-health literacy and sources of information about COVID-19. An anonymous online survey was completed by 368 participants, who reported their age, level of education, F-eHEALS (the level of e-health literacy), preferred sources of COVID-19 information, and their vaccination perceptions and intentions (vaccine score). The vaccine score is measured by a combination of two preview questionnaires adapted to COVID-19. We first assessed our questionnaire construct on intentions and perceptions of COVID-19 vaccination. We obtained a unidimensional scale that we correlated with other factors and related to clusters (k-means). The results then showed that age, education level, and sources of COVID-19 information (radio, internet and “no channel”) impact vaccination perceptions and intentions. E-health literacy appears to be a co-variant without direct link with vaccination perceptions and intentions but linked to age and sources of COVID-19 information. This study shows how age, education level, sources of COVID-19 information and e-health literacy can impact COVID-19 vaccination perceptions and intentions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,162
Tête enseignante GPT0,505
Écart entre enseignants0,343 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of European StudiesMême sujetVaccine Coverage and HesitancyTravaux en français237 207