Understanding attitudes and beliefs regarding COVID-19 vaccines among transitional-aged youth with mental health concerns: a youth-led qualitative study
Notice bibliographique
Résumé
BACKGROUND: Transitional-aged youth (16-29 years) with mental health concerns have experienced a disproportionate burden of the COVID-19 pandemic. Vaccination is limited in this population; however, determinants of its vaccine hesitancy are not yet thoroughly characterised. OBJECTIVES: This study aimed to answer the following research question: What are the beliefs and attitudes of youth with mental illness about COVID-19 vaccines, and how do these perspectives affect vaccine acceptance? The study aims to generate findings to inform the development of vaccine resources specific to youth with mental health concerns. METHODS: A qualitative methodology with a youth engagement focus was used to conduct in-depth semistructured interviews with transitional-aged youth aged 16-29 years with one or more self-reported mental health diagnoses or concerns. Mental health concerns encompassed a wide range of symptoms and diagnoses, including mood disorders, anxiety disorders, neurodevelopmental disorders and personality disorders. Participants were recruited from seven main mental health clinical and support networks across Canada. Transcripts from 46 youth and 6 family member interviews were analysed using thematic analysis. RESULTS: Two major themes were generated: (1) factors affecting trust in COVID-19 vaccines and (2) mental health influences and safety considerations in vaccine decision-making. Subthemes included trust in vaccines, trust in healthcare providers, trust in government and mistreatment towards racialised populations, and direct and indirect influences of mental health. CONCLUSIONS: Our analysis suggests how lived experiences of mental illness affected vaccine decision-making and related factors that can be targeted to increase vaccine uptake. Our findings provide new insights into vaccine attitudes among youth with mental health concerns, which is highly relevant to ongoing vaccination efforts for new COVID-19 strains as well as other transmissible diseases and future pandemics. Next steps include cocreating youth-specific public health and clinical resources to encourage vaccination in this population.
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 | 0,007 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 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 ».