Covid-19 Vaccine Hesitancy and Under-Vaccination among Marginalized Populations in the United States and Canada: A Scoping Review
Notice bibliographique
Résumé
BACKGROUND: Amid persistent disparities in Covid-19 vaccination and burgeoning research on vaccine hesitancy (VH), we conducted a scoping review to identify multilevel determinants of Covid-19 VH and under-vaccination among marginalized populations in the U.S. and Canada. METHODS: Using the scoping review methodology developed by the Joanna Briggs Institute, we designed a search string and explored 7 databases to identify peer-reviewed articles published from January 1, 2020-October 25, 2022. We combine frequency analysis and narrative synthesis to describe factors influencing Covid-19 VH and under-vaccination among marginalized populations. RESULTS: The search captured 11,374 non-duplicated records, scoped to 103 peer-reviewed articles. Among 14 marginalized populations identified, African American/Black, Latinx, LGBTQ+, American Indian/Indigenous, people with disabilities, and justice-involved people were the predominant focus. Thirty-two factors emerged as influencing Covid-19 VH, with structural racism/stigma and institutional mistrust (structural)(n = 71) most prevalent, followed by vaccine safety (vaccine-specific)(n = 62), side effects (vaccine-specific)(n = 50), trust in individual healthcare provider (social/community)(n = 38), and perceived risk of infection (individual)(n = 33). Structural factors predominated across populations, including structural racism/stigma and institutional mistrust, barriers to Covid-19 vaccine access due to limited supply/availability, distance/lack of transportation, no/low paid sick days, low internet/digital technology access, and lack of culturally- and linguistically-appropriate information. DISCUSSION: We identified multilevel and complex drivers of Covid-19 under-vaccination among marginalized populations. Distinguishing vaccine-specific, individual, and social/community factors that may fuel decisional ambivalence, more appropriately defined as VH, from structural racism/structural stigma and systemic/institutional barriers to vaccination access may better support evidence-informed interventions to promote equity in access to vaccines and informed decision-making among marginalized populations.
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 | 0,017 | 0,088 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,004 |
| Bibliométrie | 0,020 | 0,027 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,006 | 0,002 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 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 ».