Examining an Altruism-Eliciting Video Intervention to Increase COVID-19 Vaccine Intentions in Younger Adults: A Qualitative Assessment Using the Realistic Evaluation Framework
Notice bibliographique
Résumé
COVID-19 vaccine-induced immunity wanes over time, and with the emergence of new variants, additional "booster" doses have been recommended in Canada. However, booster vaccination uptake has remained low, particularly amongst younger adults aged 18-39. A previous study by our research team found that an altruism-eliciting video increased COVID-19 vaccination intentions. Using qualitative methods, the present study aims to: (1) identify the factors that influence vaccine decision-making in Canadian younger adults; (2) understand younger adults' perceptions of an altruism-eliciting video designed to increase COVID-19 vaccine intentions; and (3) explore how the video can be improved and adapted to the current pandemic context. We conducted three focus groups online with participants who: (1) received at least one booster vaccine, (2) received the primary series without any boosters, or (3) were unvaccinated. We used deductive and inductive approaches to analyze data. Deductively, informed by the realist evaluation framework, we synthesized data around three main themes: context, mechanism, and intervention-specific suggestions. Within each main theme, we deductively created subthemes based on the health belief model (HBM). For quotes that could not be captured by these subthemes, additional themes were created inductively. We found multiple factors that could be important considerations in future messaging to increase vaccine acceptance, such as feeling empowered, fostering confidence in government and institutions, providing diverse (such as both altruism and individualism) messaging, and including concrete data (such as the prevalence of vulnerable individuals). These findings suggest targeted messaging tailored to these themes would be helpful to increase COVID-19 booster vaccination amongst younger adults.
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 | 0,033 | 0,039 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,005 | 0,004 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».