Perceptions, healthcare messaging and its impact on COVID vaccine uptake in pregnancy : A cross-sectional survey
Notice bibliographique
Résumé
Objective: To gain in-depth insights into factors affecting COVID-19 vaccine acceptance in pregnant women. This demographic has lower rates of COVID vaccination despite being disproportionally negatively affected by COVID. Design: A single centre cross-sectional online survey distributed 13th August 2021 to 21st September 2021 on local networks. Setting: Online Population: Pregnant population in a large District General Hospital in the West Midlands, UK. Main Outcome Measures: i) demographic and baseline data ii) awareness of information sources; iii) opinions on COVID and vaccination, iv) vaccination decisions. Results: 92 total eligible responses were quantitatively and qualitatively analysed. 60.9% (n=56) had declined, or would decline, a COVID-19 vaccination. Those who had a previous negative pregnancy experience were significantly more likely to accept a COVID-19 vaccination (OR 3.9; p<0.05, 95% CI 1.32-11.52). Over half (53.2%) of participants either agreed or strongly agreed that discussion with a healthcare professional was important in decision making on vaccination . GPs were the least supportive of the vaccination (62.5%) compared to midwives (78.8%) and obstetric consultants (81.8%). The most common reason for declining the vaccine were perceived risks to the fetus; this was also frequently reported in the qualitative analysis. Other qualitative themes included; distrust of recommendations, conflict of information and uncertainty. Conclusions: There is a need for consistent health professional messaging around vaccine uptake in pregnancy and the use of appropriate evidence based information, particularly focusing on its safety and impact on fetus. There is a need to nurture a collaborative approach and informed decision making.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».