MétaCan
Menu
Retour à la cohorte
Enregistrement W4385615103 · doi:10.1016/j.vaccine.2023.07.060

COVID-19 vaccine behaviour among citizens of the Métis Nation of Ontario: A qualitative study

2023· article· en· W4385615103 sur OpenAlexaffabout
Abigail J Simms, Keith D. King, Noel Tsui, Sarah Edwards, Graham Mecredy

Notice bibliographique

RevueVaccine · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensUniversity of TorontoThe King's UniversityUniversity of CalgaryUniversity of New BrunswickUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPandemicQualitative researchPublic healthPsychologyInterpersonal communicationCoronavirus disease 2019 (COVID-19)Social psychologyMedicineFamily medicineNursingSociologySocial science

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The burden of the current COVID-19 pandemic is not shared equally in Canadian society, with Indigenous Peoples being disproportionately affected. Moreover, there is a lack of research pertaining to vaccination behaviour in Métis communities. This Métis-specific and Métis-led qualitative study endeavours to understand COVID-19 vaccine behaviour among citizens of the Métis Nation of Ontario (MNO). METHODS: Data was collected via one-on-one interviews. Participants were recruited via the MNO's existing social media channels. Participants filled out a screening survey indicating their intention to vaccinate against COVID-19 as yes, no, or unsure. Sixteen participants (9 yes, 3 unsure, 4 no) were interviewed. Interviews averaged 30 min, and the questions and probes were developed in collaboration with the MNO. The interviewer received Métis-specific cultural safety training. Interviews were transcribed verbatim and uploaded to NVivo 12. RESULTS: A deductive analysis using the Social Ecological Model framework (SEM) for vaccine behaviour and two blinded coders was used to understand the data. An additional factor, COVID-19 public health measures, was added to the framework to better capture the experiences of participants during the COVID-19 pandemic. Overall, the factors with the greatest number of coded references included Vaccine roll-out and availability, Organization of the public into priority groups, Public discourse, Interpersonal influences, Interface with health professionals, Knowledge state, Trust, and Vaccine risk perception. Bandwagoning (following others' behaviour) and Freeloading (perceiving enough people have been vaccinated), both factors of the SEM, were not discussed. Yes, no, and unsure participant groups were compared to understand the influences of each factor based on COVID-19 vaccination intention. CONCLUSIONS: MNO citizens COVID-19 vaccine behaviour was negatively and positively influenced by a number of factors. This information will allow the MNO and public health units to better tailor their messaging for COVID-19 vaccine uptake campaigns and future pandemic emergencies.

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)0,004
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,102
Score d'incertitude au seuil0,311

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0130,005
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,052
Tête enseignante GPT0,372
Écart entre enseignants0,320 · 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'étudeQualitatif
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

Citations8
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueVaccineMême sujetVaccine Coverage and HesitancyTravaux en français237 207