Factors affecting COVID-19 vaccine hesitancy among healthcare providers in 23 countries
Notice bibliographique
Résumé
BACKGROUND: Several early COVID-19 studies aimed to assess the potential acceptance of a vaccine among healthcare providers, but relatively few studies of this population have been published since the vaccines became widely available. Vaccine safety, speed of development, and low perceived disease risk were commonly cited as factors for COVID-19 vaccine hesitancy among this group. PURPOSE AND METHODS: In a secondary analysis based on a cross-sectional, structured survey, the authors aimed to assess the associations between self-reported vaccine hesitancy and a number of sociodemographic and COVID-19 vaccine perception factors using data from 3,295 healthcare providers (physicians, nurses, community health workers, other healthcare providers) in 23 countries. FINDINGS: 494 (15.0%) of the participants reported vaccine hesitancy, of whom 132 (4.0%) would outright refuse to accept a COVID-19 vaccine. Physicians were the least hesitant. Vaccine hesitancy was more likely to occur among those with less than the median income and, to a lesser degree, younger age. Safety and risk concerns and lack of trust that vaccines would be equitably distributed were strongly associated with hesitancy, less so were concerns about the efficacy of COVID-19 vaccines. INTERPRETATION: Findings suggest a need to address safety and risk concerns through tailored messaging, training, and/or incentive approaches among healthcare providers, as well as the need for international and national vaccination efforts to ensure equitable distribution.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».