Possible predictors of Covid-19 vaccine hesitancy in the psychiatric population – A scoping review
Notice bibliographique
Résumé
Background: The Covid-19 pandemic brought vaccination to the front of the series of measures implemented to address the chain-reaction outbreaks that continue to cause loss and suffering. In spite of its proven efficacy, a considerable percentage of the population remains hesitant or right-out opposed. A need for informing public health strategies not only in regards to the current pandemic but for future similar developments remains of utmost importance for researchers and clinicians alike, especially when it comes to vulnerable categories of population. Identifying risk factors associated with vaccine hesitancy in the psychiatric population is the aim of this scoping review. Methods: We performed a systematic search on the topic of Covid-19 vaccine hesitancy in relation to psychiatric disorders, using three databases: Medline, PubMed and Embase. Inclusion criteria focused on studies looking at individuals with a psychiatric disorder in the context of the Covid-19 vaccine hesitancy where possible determinant factors were discussed. Results: Fifteen articles out of 219 publications on the topic of Covid 19 vaccine hesitancy met our inclusion criteria for this review. The common findings of these studies recognize the following risk factors for Covid 19 hesitancy: diagnosis of severe mental illness such as schizophrenia, lower socioeconomic status, lower educational level, and young age. Conclusions: Our findings may contribute to the proactive development of educational strategies targeting the psychiatric population in the context of cultural, ethnic, age and gender diversity, in order to safeguard the wellbeing of all when facing pandemic events. Overarching future directions include creating vaccination promotion strategies specific for the psychiatric population.
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 | 0,015 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,008 |
| Études des sciences et des technologies | 0,003 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,006 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».