A Mapping Review on the Uptake of the COVID-19 Vaccine among Adults in Africa Using the 5As Vaccine Taxonomy
Notice bibliographique
Résumé
Uptake of a vaccine is complete if individuals are aware of the associated risks of the vaccine, accept the vaccine, and respond positively to the nudges (activation) to increase the uptake, and respond when the vaccine is made accessible and affordable. We mapped systematically the existing literature concerning the 5As-acceptability, accessibility, affordability, awareness, and activation-of COVID-19 vaccination among adults and, specifically, older adults (55 years and older) in Africa. We searched multiple databases from 2020 to December 2021. Using predefined inclusion and exclusion criteria, two reviewers screened citations, conducted title and abstract screening, and extracted data independently. We included 68 articles conducted in 33 African countries, primarily cross-sectional studies (n = 49, 72%). None of the articles focused on older adults only, but 22 articles (32%) included at least one older adult (55 years and older) in their sample size. Acceptance (n = 58, 85%) was the most commonly researched aspect of vaccine uptake, followed by accessibility (n = 17, 25%), awareness (n = 13, 19%), and affordability (n = 5, 7.0%). We found only one report on activation. Factors affecting acceptance of the COVID-19 vaccine in Africa were grouped into sociodemographic factors; knowledge-, attitude-, and belief-related factors; a COVID-19 vaccine efficacy and safety concern factor; and trust in government and public health authorities. The governments of African nations should focus on strategies to influence the modifiable factors identified in this review. More studies are needed to evaluate the impact of nudges (activation) to improve COVID-19 vaccine uptake in African nations.
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 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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».