MétaCan
Menu
Retour à la cohorte
Enregistrement W4280567649 · doi:10.1371/journal.pone.0268063

What drives willingness to receive a new vaccine that prevents an emerging infectious disease? A discrete choice experiment among university students in Uganda

2022· article· en· W4280567649 sur OpenAlexaff
Kimberly Bonner, Henry Ssekyanzi, Jonathan Sicsic, Judith E. Mueller, Traci L. Toomey, Angela K. Ulrich, Keith J. Horvath, James D. Neaton, Cecily Banura, Nicole E. Basta

Notice bibliographique

RevuePLoS ONE · 2022
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensMcGill University
Organismes subventionnairesFogarty International CenterNational Institute of Allergy and Infectious DiseasesUganda National Council for Science and TechnologyUniversity of Minnesota
Mots-clésVaccinationLogistic regressionMedicineDiseaseWillingness to payWillingness to acceptEnvironmental healthFamily medicineImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: There is a critical need to identify the drivers of willingness to receive new vaccines against emerging and epidemic diseases. A discrete choice experiment is the ideal approach to evaluating how individuals weigh multiple attributes simultaneously. We assessed the degree to which six attributes were associated with willingness to be vaccinated among university students in Uganda. METHODS: We conducted a single-profile discrete choice experiment at Makerere University in 2019. Participants were asked whether or not they would be vaccinated in 8 unique scenarios where attributes varied by disease risk, disease severity, advice for or against vaccination from trusted individuals, recommendations from influential figures, whether the vaccine induced indirect protection, and side effects. We calculated predicted probabilities of vaccination willingness using mixed logistic regression models, comparing health professional students with all other disciplines. FINDINGS: Of the 1576 participants, 783 (49.8%) were health professional students and 685 (43.5%) were female. Vaccination willingness was high (78%), and higher among health students than other students. We observed the highest vaccination willingness for the most severe disease outcomes and the greatest exposure risks, along with the Minister of Health's recommendation or a vaccine that extended secondary protection to others. Mild side effects and recommendations against vaccination diminished vaccination willingness. INTERPRETATION: Our results can be used to develop evidence-based messaging to encourage uptake for new vaccines. Future vaccination campaigns, such as for COVID-19 vaccines in development, should consider acknowledging individual risk of exposure and disease severity and incorporate recommendations from key health leaders.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,010
Score d'incertitude au seuil0,684

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,034
Tête enseignante GPT0,303
Écart entre enseignants0,269 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations11
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetVaccine Coverage and HesitancyTravaux en français237 207