The war in Ukraine and refugee health care: considerations for health care providers in Canada
Notice bibliographique
Résumé
<h3>Abstract</h3> <h3>Background</h3> To minimise the devastating effects of the coronavirus disease 2019 (COVID-19) pandemic, scientists hastily developed a vaccine. However, the scale-up of the vaccine is likely to be hindered by the widespread social media misinformation. We, therefore, conducted a study to assess the COVID-19 vaccine hesitancy among Zimbabweans. <h3>Methods</h3> We conducted a descriptive online cross-sectional survey using a self-administered questionnaire among adults. The questionnaire assessed willingness to be vaccinated; socio-demographic characteristics, individual attitudes and perceptions, effectiveness, and safety of the vaccine. Multivariable logistic regression analysis was utilized to examine the independent factors associated with vaccine uptake. <h3>Results</h3> We analysed data for 1168 participants, age range of 19-89 years with the majority being females (57.5%). Half (49.9%) of the participants reported that they would accept the COVID-19 vaccine. The majority were uncertain about the effectiveness of the vaccine (76.0%) and its safety (55.0%). About half lacked trust in the government’s ability to ensure the availability of an effective vaccine and 61.0% mentioned that they would seek advice from a healthcare worker to vaccinate. Age 55 years and above [vs 18-25 years - Adjusted Odds Ratio (AOR): 2.04, 95% Confidence Interval (CI): 1.07-3.87], chronic disease [vs no chronic disease - AOR: 1.72, 95%CI: 1.32-2.25], males [vs females - AOR: 1.84, 95%CI: 1.44-2.36] and being a healthcare worker [vs not being a health worker – AOR: 1.73, 95%CI: 1.34-2.24] were associated with increased likelihood to vaccinate. History of COVID-19 infection [vs no history - AOR: 0.45, 95%CI: 0.25-0.81) and rural residence [vs urban - AOR: 0.64, 95%CI: 0.40-1.01] were associated with reduced likelihood to vaccinate. <h3>Conclusion</h3> We found half of the participants willing to vaccinate against COVID-19. The majority lacked trust in the government and were uncertain about vaccine effectiveness and safety. The policymakers should consider targeting geographical and demographic groups which were unlikely to vaccinate with vaccine information, education, and communication to improve uptake.
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 | 0,001 |
| 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 | 0,002 | 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) | 0,001 | 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 ».