The refusal of COVID-19 vaccination and its associated factors: a meta-analysis
Notice bibliographique
Résumé
Background To date, more than 10% of the global population is unvaccinated against the coronavirus disease 2019 (COVID-19), and the reasons why this population is not vaccinated are not well identified. Objectives We investigated the prevalence of COVID-19 vaccine refusal and to assess the factors associated with COVID-19 vaccine refusal. Methods A meta-analysis was conducted from August to November 2022 (PROSPERO: CRD42022384562). We searched for articles investigating the refusal of COVID-19 vaccination and its potential associated factors in PubMed, Scopus, and the Web of Sciences. The quality of the articles was assessed using the Newcastle–Ottawa scale, and data were collected using a pilot form. The cumulative prevalence of the refusal to vaccinate against COVID-19 was identified through a single-arm meta-analysis. Factors associated with COVID-19 vaccine refusals were determined using the Mantel-Haenszel method. Results A total of 24 articles were included in the analysis. Our findings showed that the global prevalence of COVID-19 vaccine refusal was 12%, with the highest prevalence observed in the general population and the lowest prevalence in the healthcare worker subgroup. Furthermore, individuals with a high socioeconomic status, history of previous vaccination, and a medical background had a lower rate of COVID-19 vaccination refusal. Subsequently, the following factors were associated with an increased risk of COVID-19 vaccine refusal: being female, educational attainment lower than an undergraduate degree, and living in a rural area. Conclusion Our study identified the prevalence of and factors associated with COVID-19 vaccine refusal. This study may serve as an initial reference to achieve global coverage of COVID-19 vaccination by influencing the population of COVID-19 vaccine refusal.
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 | 0,014 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,041 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».