MétaCan
Menu
Retour à la cohorte
Enregistrement W4367174782 · doi:10.1371/journal.pone.0283467

COVID-19 stigmatization after the development of effective vaccines: Vaccination behavior, attitudes, and news sources

2023· article· en· W4367174782 sur OpenAlexfundno aff
Don C. Des Jarlais, Sarah A. Lieff, Margaux M. Grivel, Gabriella Meltzer, Jasmin Choi, Chenziheng Allen Weng, Jonathan Feelemyer, Virginia W. Chang, Lawrence H. Yang

Notice bibliographique

RevuePLoS ONE · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesYork University
Mots-clésCoronavirus disease 2019 (COVID-19)2019-20 coronavirus outbreakVaccinationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologyMedicineInfectious disease (medical specialty)Outbreak

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To compare COVID-19 stigmatization at two pandemic time points (1) August 2020-during lockdowns and prior to vaccine rollout, and (2) May 2021-during vaccine rollout, when approximately half of U.S. adults were vaccinated. METHODS: Comparison of COVID19-related stigmatization and associated factors in two national internet surveys conducted in August 2020 (N = 517) and May 2021 (N = 812). Factors associated with endorsing stigmatization were identified using regression analysis. The main outcomes included endorsement of stigmatization and behavioral restrictions towards persons with COVID-19 and towards persons of Chinese descent. A previously developed "stigmatizing attitudes and behavioral restrictions" scale was adapted to measure the intersection of negative attitudes toward COVID-19 disease and negative attitudes toward persons of Chinese descent. RESULTS: COVID-19 related stigmatization declined significantly from August 2020 to May 2021. Many factors were associated with stigmatizing in both surveys: full time employment, Black race, Hispanic ethnicity, worry about contracting COVID-19, probable depression, and Fox News and social media as sources of information (all positively associated), and self-assessed knowledge about COVID-19, contact with Chinese individuals, and publicly funded news as sources (all negatively associated). Positive attitudes toward vaccination were associated with stigmatization. CONCLUSIONS: COVID-19 related stigmatization reduced substantially over these two points in the pandemic, with many continuities in the factors associated with stigmatizing. Despite the reduction in stigmatizing, however, some stigmatizing attitudes for both COVID-19 and Chinese individuals remained.

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)0,001
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 enseignants0,007
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0020,000

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 Opus0,044
Tête enseignante GPT0,311
Écart entre enseignants0,267 · 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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetVaccine Coverage and HesitancyTravaux en français237 207