MétaCan
Menu
Retour à la cohorte
Enregistrement W4378715583 · doi:10.2196/42958

COVID-19 Vaccine Hesitancy Among Patients Recovered From COVID-19 Infection in Wuhan, China: Cross-Sectional Questionnaire Study

2023· article· en· W4378715583 sur OpenAlexvenueno aff
Yiman Huang, Ling Zhang, Jiaqi Fu, Yijin Wu, Hao Wang, Weijun Xiao, You Xin, Zhenwei Dai, Mingyu Si, Xu Chen, Mengmeng Jia, Zhiwei Leng, Dan Cui, Xiaoyou Su

Notice bibliographique

RevueJMIR Public Health and Surveillance · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensnon disponible
Organismes subventionnairesNational Health Commission of the People's Republic of ChinaChinese Academy of Medical Sciences
Mots-clésVaccinationMedicineCoronavirus disease 2019 (COVID-19)Cross-sectional studyOdds ratioAsymptomaticLogistic regressionHerd immunitySevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Confidence intervalImmunologyInternal medicineDiseaseInfectious disease (medical specialty)

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Although patients recovered from COVID-19 already have immunity gained from natural infection, they are still at risk of reinfection due to the emergence of new variants of COVID-19 and the diminishing of naturally acquired immunity over time. Vaccination is associated with efficacious protection against COVID-19 infection and could boost infection-acquired immunity; however, various COVID-19 survivors have not been vaccinated due to vaccine hesitancy. OBJECTIVE: The aim of this study was to investigate COVID-19 vaccine hesitancy and related factors among COVID-19 survivors. METHODS: A cross-sectional questionnaire survey was conducted among patients who recovered from COVID-19 infection in Wuhan, China, between June 10 and July 25, 2021. The questionnaire included sociodemographic information, items on COVID-19 infection, the COVID-19 vaccine hesitancy scale based on the 3Cs (complacency, convenience, and confidence) model, trust in vaccine manufacturers and health facilities, and reasons for the decision to accept COVID-19 vaccination. Multivariate logistic regression analysis was used to assess the factors influencing COVID-19 vaccine hesitancy. RESULTS: Among the 1422 participants, 538 (37.8%) were not vaccinated against COVID-19. The COVID-19-recovered patients who self-reported having a current unhealthy status expressed more hesitancy about the COVID-19 vaccine than those who perceived themselves to be healthy (odds ratio [OR] 0.45, 95% CI 0.28-0.71). Compared to the asymptomatic patients, patients with mild symptoms were more likely to receive a COVID-19 vaccine (OR 1.67, 95% CI 1.02-2.82). Regarding the 3Cs model, high complacency (P=.005) and low convenience (P=.004) were significant negative factors for COVID-19 vaccination. Trust in vaccine manufacturers and health facilities was a significant positive factor for COVID-19 vaccination (OR 1.14, 95% CI 1.09-1.19). "Self-needs" was the main reason for patients to receive the COVID-19 vaccine, whereas "already have antibodies and do not need vaccination" was the main reason for patients to not receive the COVID-19 vaccine. CONCLUSIONS: Among the three major factors of vaccine hesitancy, complacency proved to be the most notable among COVID-19-recovered patients. Therefore, educational campaigns can focus on raising the awareness of risk of infection and the benefits of vaccination to reduce complacency toward vaccination among this population. In particular, for individuals who have recovered from COVID-19, improving factors related to convenience such as transportation, the environment of vaccination, and providing door-to-door service was also deemed necessary to facilitate their vaccination. In addition, addressing the concerns about vaccination of COVID-19-recovered patients could foster trust and promote their uptake of vaccination.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
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 enseignants0,195
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0020,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,043
Tête enseignante GPT0,373
Écart entre enseignants0,330 · 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 tête enseignante, pas un consensus.

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

Citations14
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJMIR Public Health and SurveillanceMême sujetVaccine Coverage and HesitancyTravaux en français237 207