Factors Associated with Vaccination Intention against the COVID-19 Pandemic: A Global Population-Based Study
Notice bibliographique
Résumé
Several vaccines have been developed for COVID-19 since the pandemic began. This study aimed to evaluate the factors associated with COVID-19 vaccination intention. A global survey was conducted across 26 countries from October, 2020 to December, 2021 using an online self-administered questionnaire. Demographic information, socio-economic status, and clinical information were collected. A logistic regression examined the associations between vaccine intention and factors such as perceptions and the presence of chronic physical and mental conditions. The sample included 2459 participants, with 384 participants (15.7%) expressing lower COVID-19 vaccination intent. Individuals who identified as female; belonged to an older age group; had a higher level of education; were students; had full health insurance coverage; or had a previous history of influenza vaccination were more willing to receive vaccination. Conversely, those who were working part-time, were self-employed, or were receiving social welfare were less likely to report an intention to get vaccinated. Participants with mental or physical health conditions were more unwilling to receive vaccination, especially those with sickle cell disease, cancer history within the past five years, or mental illness. Stronger vaccination intent was associated with recommendations from the government or family doctors. The presence of chronic conditions was associated with lower vaccine intention. Individuals with health conditions are especially vulnerable to health complications and may experience an increased severity of COVID-19 symptoms. Future research should evaluate the effectiveness of interventions targeting the vaccine perceptions and behaviours of at-risk groups. As such, public awareness campaigns conducted by the government and proactive endorsement from health physicians may help improve COVID-19 vaccination intention.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».