Perceptions of the COVID-19 Vaccine and Willingness to Receive Vaccination among Health Workers in Nigeria: A Cross-sectional Study
Notice bibliographique
Résumé
BACKGROUND: COVID-19 vaccine hesitancy is a major barrier to vaccine uptake, and the achievement of herd immunity is required to reduce morbidity and mortality and protect the most vulnerable populations. In Nigeria, COVID-19 vaccine hesitancy has been high, and uptake remains very low. Healthcare workers (HCWs) in Nigeria can help support public health efforts to increase vaccine uptake. AIM: This study evaluates Nigerian HCWs' acceptance and intent to recommend the COVID-19 vaccine. SUBJECTS AND METHODS: Cross-sectional survey among 1,852 HCWs in primary, secondary, and tertiary care settings across Nigeria. Respondents included doctors, nurses, pharmacy workers, and clinical laboratory professionals who have direct clinical contact with patients in various healthcare settings. A 33-item questionnaire was used in the study, with two of the questions focused on the COVID-19 vaccine. The responses to the two questions were analyzed using Chi-square (c2) tests and independent t-tests to determine the acceptance of the vaccine. RESULTS: The majority of respondents were younger than 34 years (n = 1,227; 69.2%) and primarily worked in hospitals (n = 1,278; 72.0%). Among the respondents, 79.2% (n = 1,467) endorsed the COVID-19 vaccine as a critical tool in reducing the impact of the disease, and 76.2% (n = 1,412) will accept and recommend the vaccine to their patients. The younger HCWs were more likely to endorse and recommend the vaccine to their patients. CONCLUSION: There is a moderately high COVID-19 vaccine acceptance rate among HCWs surveyed in our study. The confidence of HCWs in its use and their willingness to recommend it to their patients can provide a potentially useful element in increasing acceptance by the larger population in Nigeria.
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 | 0,016 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».