COVID-19 Vaccine Knowledge, Attitude, and Acceptance in Students of Tertiary Institutions in Central Nigeria
Notice bibliographique
Résumé
INTRODUCTION/BACKGROUND: On March 11, 2020, the World Health Organization declared the COVID-19 outbreak a global pandemic. Nigeria, among African nations, has borne the highest burden of COVID-19 reporting 163,498 cases and 2,058 fatalities. Institutions of higher learning possess certain characteristics that can increase the risk of COVID-19 transmission within their campuses. These features include a sizable student population, high population density, and frequent student interactions. As a result, it is imperative to implement protective measures to mitigate the virus’s spread on campus. AIM/OBJECTIVE: This research aimed to explore the connection between the knowledge, attitudes, and acceptance of COVID-19 vaccines among students in tertiary institutions located in Central Nigeria. METHODOLOGY: An anonymous online survey was conducted among Nigerian students, gathering information related to their demographics, as well as assessing their knowledge, attitudes, and willingness to accept vaccines in the post-COVID-19 era. The collected data were subjected to analysis through descriptive and inferential statistics. RESULTS: Out of the 400 participants included in the survey, 140 (35.0%) reported having already received a COVID-19 vaccine, while 144 (36.0%) expressed an intention to be vaccinated. The analysis indicated that there is a positive yet very weak correlation between attitudes towards COVID-19 vaccination and the intention to get vaccinated (r = −0.023, N = 365, p < 0.01). Conversely, knowledge regarding COVID-19 vaccines demonstrated a significant positive correlation with the intent to be vaccinated (r = 0.222, N = 367, p < 0.01). CONCLUSION: In conclusion, this study underscores the importance of students’ knowledge and attitudes regarding vaccines in shaping their acceptance of COVID-19 vaccines. The results emphasize the critical necessity of providing comprehensive information on COVID-19 vaccines to address concerns related to unforeseen side effects, mitigate general mistrust in vaccine benefits, and alleviate apprehensions about the profitability of pharmaceutical companies.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».