COVID-19 vaccine hesitancy among medical students: A systematic review
Notice bibliographique
Résumé
BACKGROUND: Vaccine hesitancy leads to an increase in morbidity, mortality, and health-care burden. Reasons for vaccine hesitancy include anti-vax group statements, misinformation about vaccine side effects, speed of vaccine development, and general disbelief in the existence of viruses like COVID-19. Medical students are future physicians and are key influencers in the uptake of vaccines. Hence, investigating vaccine hesitancy in this population can help to overcome any barrier in vaccine acceptance. METHODS: In this paper, we review five articles on COVID-19 vaccine hesitancy in medical students and consider potential future research. All published papers relevant to the topic were obtained through extensive search using major databases. Inclusion criteria included studies that specifically investigated COVID-19 vaccine hesitancy in medical students published between 2020 and 2021. Exclusion criteria included studies that investigated vaccine hesitancy in health-care professionals, allied health, and viruses apart from COVID-19. A total of 10 studies were found from our search. RESULTS: Based on our exclusion criteria, only five studies were included in our review. The sample size ranged from 168 to 2133 medical students. The percentage of vaccine hesitancy in medical students ranged from 10.6 to 65.1%. Reasons for vaccine hesitancy included concern about serious side effects, vaccine efficacy, misinformation and insufficient information, disbelief in public health experts, financial costs, and belief that they had acquired immunity. CONCLUSION: These results suggest that vaccine hesitancy is an important cause of the incidence and prevalence of COVID-19 cases. Identifying the barriers of vaccine hesitancy in prospective physicians can help increase vaccination uptake in the general public. Further research is necessary to identify the root cause of these barriers.
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 | 0,014 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,004 | 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 ».