Determinants of COVID-19 vaccine acceptance amongst doctors practising in Cross River State, Nigeria
Notice bibliographique
Résumé
Background: COVID-19 vaccine is one of the most effective public health intervention approaches for prevention of COVID-19. Despite its well-known efficacy and safety, significant proportion of frontline COVID-19 healthcare workers remain hesitant about accepting the vaccine for whatever reasons. This study aimed to determine acceptance rate and determinants of vaccine refusal among doctors in Cross River State, Nigeria. Methodology: This was a cross-sectional survey of doctors using structured online questionnaire administered via the WhatsApp platform of the medical doctors’ association, in order to assess their rate of acceptance of COVID-19 vaccines, and reasons for vaccine refusal. The predictors of vaccine acceptance were analysed by univariate and multivariate logistic regression analyses. Results: Of the 443 medical doctors targeted on the WhatsApp platform, 164 responded to the questionnaire survey, giving a response rate of 37.0% (164/443). The mean age of the respondents is 38 ±6.28 years, 91 (55.5%) are 38 years old and above, 97 (59.1%) are males and 67 (40.9%) are females, giving a male-to-female ratio of 1.4:1. The greater proportion of the respondents are physicians (70/148, 47.3%) and about three-quarter of the participants (127/164, 77.4%) had received COVID-19 vaccine. The proportion of physicians who had received COVID-19 vaccine (57/70, 81.4%) was more than the proportion of general practitioners (31/42, 73.8%) and surgeons (24/35, 68.6%). Low perceived benefit of vaccination was the main reason given for COVID-19 vaccine refusal (45.9%, 17/37). No significant association was found between vaccine refusal and suspected predictors (p>0.05). Conclusion: Our study revealed high rate of COVID-19 vaccine acceptance among medical doctors especially among the physicians, with the surgeons showing lowest acceptance rate. A significant proportion would not take vaccine because they perceived it lacks much benefits. To raise vaccine acceptance among doctors, more efforts on vaccine literacy that would target doctors from all sub-specialties especially surgeons and incorporate vaccine benefits should be made.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,003 | 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 ».