COVID-19 vaccine acceptance among health care workers in Africa: A systematic review and meta-analysis
Notice bibliographique
Résumé
INTRODUCTION: Coronavirus Disease (COVID-19) vaccine acceptance, and hesitancy amongst Health Care Workers (HCWs) on the African continent have been examined through observational studies. However, there are currently no comprehensive reviews among these cadre of population in Africa. Hence, we aimed to review the acceptance rate and possible reasons for COVID-19 vaccine non-acceptance/hesitancy amongst HCWs in Africa. METHODS: We searched Medline/PubMed, Google Scholar, and Africa Journal Online from January, 2020 to September, 2021. The Newcastle-Ottawa Quality Assessment tool adapted for cross-sectional studies was used to assess the quality of the retrieved studies. DerSimonian and Laird random-effects model was used to pool the COVID-19 vaccine acceptance rate. Sub-group and sensitivity analyses were performed. Reasons for COVID-19 vaccine hesitancy were also systematically analyzed. RESULTS: Twenty-one (21) studies were found to be eligible for review out of the 513 initial records. The estimated pooled COVID-19 vaccine acceptance rate was 46% [95% CI: 37%-54%]. The pooled estimated COVID-19 vaccine acceptance rate was 37% [95% CI: 27%-47%] in North Africa, 28% [95% CI: 20%-36%] in Central Africa, 48% [CI: 38%-58%] in West Africa, 49% [95% CI: 30%-69%] in East Africa, and 90% [CI: 85%-96%] in Southern Africa. The estimated pooled vaccine acceptance was 48% [95% CI:38%-57%] for healthcare workers, and 34% [95% CI:29%-39%] for the healthcare students. Major drivers and reasons were the side effects of the vaccine, vaccine's safety, efficacy and effectiveness, short duration of the clinical trials, COVID-19 infections, limited information, and social trust. CONCLUSION: The data revealed generally low acceptance of the vaccine amongst HCWs across Africa. The side effects of the vaccine, vaccine's safety, efficacy and effectiveness, short duration of the clinical trials, COVID-19 infections, limited information, and social trust were the major reasons for COVID-19 hesitancy in Africa. The misconceptions and barriers to COVID-19 vaccine acceptance amongst HCWs must be addressed as soon as possible in the continent to boost COVID-19 vaccination rates in Africa.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,011 | 0,002 |
| Bibliométrie | 0,001 | 0,004 |
| 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) | 0,005 | 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 ».