The state of COVID-19 vaccine confidence and need in Black individuals in Canada: Understanding the role of sociodemographic factors, health literacy, conspiracy theories, traumatic stressors and racial discrimination
Notice bibliographique
Résumé
BACKGROUND: Black communities in Canada have been among the most affected by the COVID-19 pandemic, in terms of number of infections and deaths. They are also among those most hesitant about vaccination against COVID-19. However, while a few studies have documented the factors associated with COVID-19 vaccine hesitancy, those related to vaccine confidence remain unknown. To respond to this gap, this study aims to investigate factors associated to vaccine confidence in Black individuals in Canada. METHODS: A total of 2002 participants (1034 women) aged 14 to 89 years old (Mean age = 29.34, SD = 10.13) completed questionnaires assessing sociodemographic information, COVID-19 vaccine confidence and need, health literacy, conspiracy beliefs, major racial discrimination, and traumatic stressors related to COVID-19. RESULTS: Results showed an average score of COVID-19 vaccine confidence and need of 33.27 (SD = 7.24), with no significant difference between men (33.48; SD = 7.24) and women (33.08; SD = 7.91), t (1999) = 1.19, p = 0.234. However, there were significant differences according to employment status, migration status, age, inhabited province, spoken language, education, marital status, religion, and income. The linear regression model explained 25.8 % of the variance and showed that health literacy (B = 0.12, p < 0.001) and traumatic stressors related to COVID-19 (B = 0.21, p < .001) predicted COVID-19 vaccine confidence and need positively, while conspiracy beliefs (B = -1.14, p < 0.001) and major racial discrimination (B = -0.20, p = 0.044) predicted it negatively. CONCLUSIONS: This study showed that building the confidence of Black communities in vaccines requires health education, elimination of racial discrimination in the Canadian society and a focus on certain groups (e.g., young people, those living in Quebec and Ontario). The results also argue in favor of involving community leaders and organizations in the development and implementation of vaccination-related tools, strategies and programs by city, provincial and federal public health agencies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».