COVID-19 vaccine acceptance in sub-Saharan African countries: A systematic review and meta-analysis
Notice bibliographique
Résumé
Vaccination is the most effective intervention for the primary prevention of COVID-19. Several studies have been conducted in sub-Saharan African countries on the acceptance and associated factors of COVID-19 vaccine. This review and meta-analysis aimed to recapitulate the pooled magnitude of vaccine acceptance and its favoring factors in sub-Saharan African countries. PUBMED, MEDLINE, Science Direct, Web of Science, and SCOPUS were the main databases searched from 15 March to 5 June 2022; and all the articles written in the English language were included. Also, some articles were retrieved from biomedical peer-reviewed journal sites and Google scholar. The quality of thirty-five selected articles was evaluated using an adapted scale for evaluating cross-sectional studies based on the Newcastle-Ottawa Scale. The result of the review and meta-analysis revealed that COVID-19 vaccine acceptance rate varied across studies. In a pooled analysis, factors such as; higher-level perception of infection risk (OR (95% CI (2.7 (2.1, 3.4))), perceived vaccine safety (13.9 (9.2, 20.9)), virus-related good knowledge (2.7 (2.3, 3.2)) and appropriate attitude (5.9 (4.4, 7.8)), adherence to safety precautions (5.5 (4.8, 6.2)), and infection experience (4.4 (2.8, 6.9)) were positively affected the COVID-19 vaccine acceptance. Also, vaccine acceptance was found to be high among males and chronically ill individuals. Thus, understanding factors that enhance vaccine acceptance would support planners to augment vaccine uptake in the region.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,010 | 0,002 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 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) | 0,002 | 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 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 ».