MétaCan
Menu
Retour à la cohorte
Enregistrement W4225248821 · doi:10.2196/33995

Reasons for COVID-19 Vaccine Hesitancy Among Chinese People Living With HIV/AIDS: Structural Equation Modeling Analysis

2022· article· en· W4225248821 sur OpenAlexvenueno aff
Yan Yao, Ruiyu Chai, Jianzhou Yang, Xiangjun Zhang, Xiaojie Huang, Maohe Yu, Gengfeng Fu, Guanghua Lan, Ying Qiao, Qidi Zhou, Shuyue Li, Junjie Xu

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Mental HealthNational Institutes of Health
Mots-clésStructural equation modelingVaccinationCoronavirus disease 2019 (COVID-19)MedicineVaccine efficacyCross-sectional studyFamily medicineRisk perceptionEnvironmental healthPsychologyDiseaseImmunologyPerceptionInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Many countries and organizations recommended people living with HIV/AIDS (PLWHA) receive the COVID-19 vaccine. However, vaccine hesitancy still exists and becomes a barrier for promoting COVID-19 vaccination among PLWHA. OBJECTIVE: This study aims to investigate factors that contributed to COVID-19 vaccine hesitancy among PLWHA. METHODS: The study used a multicenter cross-sectional design and an online survey mode. We recruited PLWHA aged 18-65 years from 5 metropolitan cities in China between January 2021 and February 2021. Participants completed an online survey through Golden Data, a widely used encrypted web-based survey platform. Multiple linear regression models were used to assess the background characteristics in relation to COVID-19 vaccine hesitancy, and structural equation modeling was performed to assess the relationships among perceived benefits, perceived risks, self-efficacy, subjective norms, and COVID-19 vaccine hesitancy. RESULTS: Among 1735 participants, 41.61% (722/1735) reported COVID-19 vaccine hesitancy. Older age, no other vaccinations in the past 3 years, and having chronic disease history were positively associated with COVID-19 vaccine hesitancy. Structural equation modeling revealed a direct relationship of perceived benefits, perceived risks, and subjective norms with self-efficacy and vaccine hesitancy and an indirect relationship of perceived benefits, perceived risks, and subjective norms with vaccine hesitancy. Moreover, self-efficacy toward COVID-19 vaccination was low. PLWHA had concerns of HIV disclosure during COVID-19 vaccination. Family member support could have an impact on COVID-19 vaccination decision-making. CONCLUSIONS: COVID-19 vaccine hesitancy was high among PLWHA in China. To reduce COVID-19 vaccine hesitancy, programs and strategies should be adopted to eliminate the concerns for COVID-19 vaccination, disseminate accurate information on the safety and efficacy of the COVID-19 vaccine, encourage family member support for COVID-19 vaccination, and improve PLWHA's trust of medical professionals.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesÉtudes des sciences et des technologies
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 enseignants0,138
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,030
Tête enseignante GPT0,328
Écart entre enseignants0,297 · 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.

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

Citations34
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetVaccine Coverage and HesitancyTravaux en français237 207