COVID-19 Vaccine Hesitancy and Personality Traits; Results from a Large National Cross-Sectional Survey in Qatar
Notice bibliographique
Résumé
Attitudes to vaccination arise from a complex interplay of personal and environmental factors. This has been true for the COVID-19 vaccination attitudes too and understanding personal factors would help design immunisation strategies that help in infectious disease control. The five-factor model of personality has been established as a valid construct in exploring individual attitudes and traits. This institutional review board approved study explores the relationship between these five domains of personality and attitudes to COVID-19 vaccination in Qatar which has a migrant majority population. A cross-sectional survey was conducted in Qatar using an online survey link containing validated tools to measure vaccine hesitancy and personality traits. People from diverse ethnic and sociodemographic backgrounds, amounting to 5340 individuals, completed the self-report survey. After controlling for social and demographic variables, individuals scoring significantly higher on Conscientiousness were more likely to refuse the COVID-19 vaccination, while those scoring significantly lower on Openness to experience and Neuroticism were also more likely to refuse COVID-19 vaccination. Both groups of individuals scoring significantly higher and lower on Conscientiousness and Neuroticism, respectively, were more likely to trust their own research than trust endorsement of the COVID-19 vaccine from their doctor or healthcare organisation. The study highlights the highly complex and sometimes contradictory relationship between vaccine hesitancy and personality traits and makes a case for understanding this relationship better in order to inform successful immunisation strategies.
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 | 0,004 | 0,008 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».