Attitudes toward coronavirus disease 2019 vaccination in people with multiple sclerosis
Notice bibliographique
Résumé
Objective: We estimated coronavirus disease 2019 (COVID-19) vaccination rates in the North American Research Committee on Multiple Sclerosis (NARCOMS) population and investigated reasons for vaccine hesitancy. Methods: In Spring 2021, we surveyed the NARCOMS participants about COVID-19 vaccinations. Participants reported whether they had received any COVID-19 vaccination; if not, they reported why not. They also reported whether they had received influenza vaccination. Using multivariable logistic regression, we assessed participant characteristics associated with uptake of COVID-19 and influenza vaccines. Results: Of 4955 eligible respondents, 3998 (80.7%) were females with a mean (SD) age of 64.0 (9.7) years. Overall, 4165 (84.1%) reported that they had received a COVID-19 vaccine, most often Pfizer-BioNTech and Moderna, and 3723 (75.4%) received a seasonal influenza vaccine. Reasons for not getting the COVID-19 vaccine included possible adverse effects (47.73%), possible lack of efficacy (13.7%), and lack of perceived need (17.1%). Factors associated with receiving the COVID-19 vaccine included receipt of influenza vaccine, older age, higher socioeconomic status, any leisure physical activity, and use of disease-modifying therapy. Conclusion: In this older cohort of people with multiple sclerosis, COVID-19 vaccine uptake was high, exceeding uptake of seasonal influenza vaccine. Concerns regarding safety, efficacy, and lack of perceived risk were associated with not obtaining the COVID-19 vaccine.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».