The unintended consequences of COVID-19 vaccine policy: why mandates, passports and restrictions may cause more harm than good
Notice bibliographique
Résumé
Vaccination policies have shifted dramatically during COVID-19 with the rapid emergence of population-wide vaccine mandates, domestic vaccine passports and differential restrictions based on vaccination status. While these policies have prompted ethical, scientific, practical, legal and political debate, there has been limited evaluation of their potential unintended consequences. Here, we outline a comprehensive set of hypotheses for why these policies may ultimately be counterproductive and harmful. Our framework considers four domains: (1) behavioural psychology, (2) politics and law, (3) socioeconomics, and (4) the integrity of science and public health. While current vaccines appear to have had a significant impact on decreasing COVID-19-related morbidity and mortality burdens, we argue that current mandatory vaccine policies are scientifically questionable and are likely to cause more societal harm than good. Restricting people's access to work, education, public transport and social life based on COVID-19 vaccination status impinges on human rights, promotes stigma and social polarisation, and adversely affects health and well-being. Current policies may lead to a widening of health and economic inequalities, detrimental long-term impacts on trust in government and scientific institutions, and reduce the uptake of future public health measures, including COVID-19 vaccines as well as routine immunisations. Mandating vaccination is one of the most powerful interventions in public health and should be used sparingly and carefully to uphold ethical norms and trust in institutions. We argue that current COVID-19 vaccine policies should be re-evaluated in light of the negative consequences that we outline. Leveraging empowering strategies based on trust and public consultation, and improving healthcare services and infrastructure, represent a more sustainable approach to optimising COVID-19 vaccination programmes and, more broadly, the health and well-being of the public.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,036 | 0,078 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,034 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,008 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».