Prevalence and factors related to COVID‐19 vaccine hesitancy and unwillingness in Canada: A systematic review and meta‐analysis
Notice bibliographique
Résumé
This systematic review and meta-analysis examined the prevalence and factors associated with vaccine hesitancy and vaccine unwillingness in Canada. Eleven databases were searched in March 2022. The pooled prevalence of coronavirus disease 2019 (COVID-19) vaccine hesitancy and unwillingness was estimated. Subgroup analyses and meta-regressions were performed. Out of 667 studies screened, 86 full-text articles were reviewed, and 30 were included in the systematic review. Twenty-four articles were included in the meta-analysis; 12 for the pooled prevalence of vaccine hesitancy (42.3% [95% CI, 33.7%-51.0%]) and 12 for vaccine unwillingness (20.1% [95% CI, 15.2%-24.9%]). Vaccine hesitancy was higher in females (18.3% [95% CI, 12.4%-24.2%]) than males (13.9% [95% CI, 9.0%-18.8%]), and in rural (16.3% [95% CI, 12.9%-19.7%]) versus urban areas (14.1% [95%CI, 9.9%-18.3%]). Vaccine unwillingness was higher in females (19.9% [95% CI, 11.0%-24.8%]) compared with males (13.6% [95% CI, 8.0%-19.2%]), non-White individuals (21.7% [95% CI, 16.2%-27.3%]) than White individuals (14.8% [95% CI, 11.0%-18.5%]), and secondary or less (24.2% [95% CI, 18.8%-29.6%]) versus postsecondary education (15.9% [95% CI, 11.6%-20.2%]). Factors related to racial disparities, gender, education level, and age are discussed.
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 | 0,013 | 0,037 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,002 |
| Méta-épidémiologie (sens large) | 0,013 | 0,033 |
| Bibliométrie | 0,007 | 0,010 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».