The Drivers of Low Vaccination Utilization in Niger
Notice bibliographique
Résumé
Vaccination adherence involves the expected benefit of a vaccine and the perceived risk of the disease. To develop an evidence-based communication strategy aimed at improving vaccination coverage in Niger, we conducted a mixed socio-anthropological study of the perceptions among the population on the benefit and the risk of the childhood (Expanded Program on Immunization) and the COVID-19 vaccines. Our results show that negative rumors are not a significant driver of vaccine refusal. The insufficient level of fully vaccinated, compared with partially vaccinated, children might be explained by misunderstandings around the side effects of vaccines and the necessity for full vaccination. Approximately one-fourth of the population is vaccinated against COVID-19, whereas 73.3% think that vaccines against the disease are a "good thing," and 83% of those who have heard messages promoting the vaccination approve of them. This apparent contradiction is explained by a low perception of the risks of COVID-19. More than half of the population surveyed believe that the disease is not present in the country. A large majority believe that only ill people can transmit the disease, whereas only 12.8% think they know anybody who has ever been sick with COVID-19. Three-fourths of the interviewees have seen images from around the world of persons sick or deceased from COVID-19; the same proportion has not seen any such images of affected patients in Niger. Communication to improve COVID-19 uptake should focus on the reality of the disease presence and its transmission and not on rumors surrounding the vaccines.
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 | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».