Measuring the importance of influencing factor for COVID-19 vaccination intention in China
Notice bibliographique
Résumé
Background Vaccination is considered an effective approach to deter the spread of coronavirus disease (COVID-19). However, vaccine hesitancy is a common issue that makes immunization programs more challenging. To promote vaccination in a targeted and efficient way, this study aims to develop and validate a measurement tool for evaluating the importance of influencing factors related to COVID-19 vaccination intention in China, and to examine the demographic differences. Methods In study 1, we developed a Factor Importance Evaluation Questionnaire (FIEQ) based on semi-structured interview results and used exploratory factor analysis (EFA) to explore its factor structure. In study 2, we verified the four-factor structure of FIEQ by confirmatory factor analysis (CFA). We then administered FIEQ to Chinese participants and conducted a student t-test and analysis of variance to examine the differences in the importance evaluation of factors based on gender and educational level. Results In study 1, we developed a four-factor construct and retained 20 items after EFA (N = 577), with acceptable reliability (alpha = 0.87) and validity. In study 2, we found that the model fit was good (χ2 = 748.03 (162), p < 0.001, GFI = 0.949, RMSEA = 0.049, SRMR = 0.048, AGFI = 0.934), and reliability was acceptable (alpha = 0.730) (N = 1,496). No gender difference was found in factor importance. However, individuals with different educational levels reported significantly different importance evaluations of three factors, including perceived benefits and social norms (F = 3.786, p = 0.005), perceived influences from reference groups (F = 17.449, p < 0.001), and perceived risks (F = 2.508, p = 0.04). Conclusion This study developed and validated FIEQ for measuring the importance of influencing factors related to the COVID-19 vaccination intention in Chinese participants. Moreover, our findings suggest that the educational level may play a role in how individuals evaluate the importance of factors. This study provides insights into the concerns that individuals have regarding vaccination and offers potentially effective and targeted strategies for promoting COVID-19 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 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 | 0,004 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».