Contextualizing Vaccine Hesitancy: A Scoping Review of Factors Influencing COVID-19 Vaccine Uptake
Notice bibliographique
Résumé
Background: The development of COVID-19 vaccines is crucial in the fight against the pandemic; however, vaccine hesitancy was a growing concern amplified by the rapid development of COVID-19 vaccines. This review aims to explore the underlying factors influencing vaccine acceptance and hesitancy, including socio-demographic characteristics and health beliefs. Methods: We conducted a scoping review to examine literature and major factors impacting people's willingness to take COVID-19 vaccines. A literature search was performed using four major literature databases: Medline®, Embase®, CINAHL®, and Scopus®. A total of 30 articles fit the predetermined criteria for this sample search. The articles were independently screened to identify the study location, sampling method, study design, and enablers and barriers to vaccination. Results: Studies were included from five different continents and the findings indicating the following six main areas had significant impact on COVID-19 vaccine acceptance: (1) vaccine safety and efficacy, (2) trust in government and political views, (3) COVID-19 risk perception, (4) cultural factors, (5) knowledge about COVID-19 and public health messaging, and (6) income level and vaccine cost. Various studies had conflicting results highlighting the influence of environmental factors and the need for unique and targeted public health interventions. Conclusion: Identifying and understanding factors that affect vaccine uptake can aid in the development of effective strategies to improve public health. Our findings suggest that additional efforts should be made by healthcare personnel and public health officials in terms of educating the public and understanding the influence of environmental and personal belief factors. Financial barriers should also be carefully considered to overcome accessibility issues in countries where healthcare is not funded by the government.
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 | 0,023 | 0,114 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,013 | 0,015 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,002 |
| 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 ».