High Frequency of COVID-19 Vaccine Hesitancy among Canadians Immunized for Influenza: A Cross-Sectional Survey
Notice bibliographique
Résumé
We assessed the frequency and correlates of COVID-19 vaccine hesitancy before Canada's vaccine rollout. A cross-sectional vaccine hesitancy survey was completed by consecutive patients/family members/staff who received the influenza vaccine at McGill University affiliated hospitals. Based on the self-reported likelihood of receiving a future vaccine (scale 0-10), the following three groups were defined: non-hesitant (score 10), mildly hesitant (7.1-9.9), and significantly hesitant (0-7). Factors associated with vaccine hesitancy were assessed with multivariate logistic regression analyses and binomial logistic regression machine learning modelling. The survey was completed by 1793 people. Thirty-seven percent of participants (n = 669) were hesitant (mildly: 315 (17.6%); significantly: 354 (19.7%)). Lower education levels, opposition and uncertainty about vaccines being mandatory, feelings of not receiving enough information about COVID-19 prevention, perceived social pressure to get a future vaccine, vaccine safety concerns, uncertainty regarding the vaccine risk-benefit ratio, and distrust towards pharmaceutical companies were factors associated with vaccine hesitancy. Vaccine safety concerns and opposition to mandatory vaccinations were the strongest correlates of vaccine hesitancy in both the logistic regressions and the machine learning model. In conclusion, in this study, over a third of people immunized for influenza before the COVID-19 vaccine rollout expressed some degree of vaccine hesitancy. Effectively addressing COVID-19 vaccine safety concerns may enhance vaccine 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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».