Facilitators of and barriers to COVID-19 vaccination in Grenada: a qualitative study
Notice bibliographique
Résumé
Objectives: To identify the factors contributing to coronavirus disease 2019 (COVID-19) vaccine hesitancy in Grenada. Methods: A phenomenological study was conducted using semi-structured interviews at vaccination and pop-up testing clinics during a spike in COVID-19 cases on the island. Interview questions were developed using the health belief model related to perceived threat of COVID-19, perceived benefits of and barriers to COVID-19 vaccination, and cues to action. Data were analyzed using a deductive approach to identify themes, categories, and subcategories. Results: Twenty-five interviews were transcribed and coded. In all, 68% of participants were unvaccinated, 12% were partially vaccinated, and 20% were fully vaccinated. Data analysis revealed two main themes: facilitators and barriers. Factors more likely to encourage vaccination (facilitators) included trust in medical advice and vaccine efficacy, social responsibility, and vaccine mandates for travel, employment, and social activities. Factors hindering vaccination (barriers) included: perceived low threat of COVID-19; preference for natural remedies; concerns about contraindications because of underlying health conditions; fear; mistrust of vaccines and related messaging; vaccine accessibility; and the many different information sources. Conclusions: Overcoming vaccine hesitancy is key to combating the detrimental effects of COVID-19 in Grenada. Public health interventions and policies that address barriers and capitalize on facilitators can increase vaccine uptake.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 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) | 0,000 | 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 ».