Factors affecting COVID-19 vaccine hesitancy among healthcare providers in 23 countries
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle