Perceptions and Uptake of COVID-19 Vaccines amongst Undergraduate Students in a Tertiary Institution in Lagos State
Notice bibliographique
Résumé
Background: COVID-19 pandemic has ravaged the world, causing deaths in different countries. Fortunately, production of its vaccine has brought some tranquillity, and Nigeria was not left behind. This study aimed to determine the role of knowledge and perception towards the uptake of COVID-19 vaccine amidst undergraduate students of the University of Lagos, Lagos, Nigeria. Methods: This descriptive cross-sectional study was carried out amongst 170 students at the University of Lagos using a multi-stage sampling method. Self-administered questionnaires were used to collect information on demography, knowledge, perception, acceptance and uptake of COVID-19 vaccine. Data were analysed utilising SPSS Version 26. The level of significance was at P < 0.05. Results: Majority of respondents 125 (73.5%) had good knowledge of COVID-19 vaccine and 87 (51.2%) respondents attributed source of information to social media. Although many 99 (58.2%) respondents had positive perceptions of the vaccine, few 16 (9.4%) had taken the vaccine. Less than quarter 24 (22.1%) planned to receive COVID-19 vaccine while majority 120 (77.9%) had no plans to, cite safety concerns. There was a statistically significant association between age (P = 0.001), level of training (P = 0.034) and uptake of COVID-19 vaccine. Conclusion and Recommendations: The level of uptake of COVID-19 vaccine was poor amongst undergraduate students in tertiary institutions in Lagos. Age and level of training of respondents were factors associated with poor uptake. It is recommended that the section of university responsible for sharing of information amongst students organises risk communication activities targeted at specific areas about COVID-19 vaccine to improve vaccine uptake amongst students.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».