MétaCan
Menu
← Retour à la cohorte
Enregistrement W4318027337 · doi:10.2196/39994

Understanding Drivers of Vaccine Hesitancy During the COVID-19 Pandemic Among Older Adults in Jiangsu Province, China: Cross-sectional Survey

2023· article· en· W4318027337 sur OpenAlexvenueno aff
Liuqing Yang, Lili Ji, Qiang Wang, Guoping Yang, Shixin Xiu, Tingting Cui, Naiyang Shi, Lin Zhu, Xuepeng Xu, Hui Jin, Shiqi Zhen

Notice bibliographique

RevueJMIR Formative Research · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesJiangnan UniversityGovernment of Jiangsu Province
Mots-clésConfidence intervalSocioeconomic statusVaccinationDemographyMedicineCross-sectional studyPandemicStructural equation modelingCoronavirus disease 2019 (COVID-19)Multilevel modelEnvironmental healthGerontologyPopulationImmunologyInternal medicineInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Older adults are particularly at risk from infectious diseases, including serve complications, hospitalization, and death. OBJECTIVE: This study aimed to explore the drivers of vaccine hesitancy among older adults based on the "3Cs" (confidence, complacency, and convenience) framework, where socioeconomic status and vaccination history played the role of moderators. METHODS: A cross-sectional questionnaire survey was conducted in Jiangsu Province, China, between June 1 and July 20, 2021. Older adults (aged ≥60 years) were recruited using a stratified sampling method. Vaccine hesitancy was influenced by the 3Cs in the model. Socioeconomic status and vaccination history processed through the item parceling method were used to moderate associations between the 3Cs and hesitancy. Hierarchical regression analyses and structural equation modeling were used to test the validity of the new framework. We performed 5000 trials of bootstrapping to calculate the 95% CI of the pathway's coefficients. RESULTS: A total of 1341 older adults participated. The mean age was 71.3 (SD 5.4) years, and 44.7% (599/1341) of participants were men. Confidence (b=0.967; 95% CI 0.759-1.201; P=.002), convenience (b=0.458; 95% CI 0.333-0.590; P=.002), and less complacency (b=0.301; 95% CI 0.187-0.408; P=.002) were positively associated with less vaccine hesitancy. Socioeconomic status weakened the positive effect of low complacency (b=-0.065; P=.03) on low vaccine hesitancy. COVID-19 vaccination history negatively moderated the positive association between confidence (b=-0.071; P=.02) and lower vaccine hesitancy. CONCLUSIONS: Our study identified that confidence was the more influential dimension in reducing vaccine hesitancy among older adults. COVID-19 vaccination history, as well as confidence, had a positive association with less vaccine hesitancy and could weaken the role of confidence in vaccine hesitancy. Socioeconomic status had a substitution relationship with less complacency, which suggested a competitive positive association between them on less vaccine hesitancy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,066
Score d'incertitude au seuil0,131

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,148
Tête enseignante GPT0,432
Écart entre enseignants0,284 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Formative Research→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→