Factors associated with childhood non-vaccination against COVID-19 in Canada: A national survey analysis
Notice bibliographique
Résumé
Background: COVID-19 vaccination efforts are critical in mitigating the impact of the virus, but despite proven safety and efficacy, vaccination rates among children in Canada are lower than in adults, prompting a need to explore determinants of childhood COVID-19 non-vaccination to improve uptake. Method: This study analyzed data from the Canadian COVID-19 Immunization Coverage Survey 2022. Using multivariable logistic regression, it examined the association between COVID-19 non-vaccination among children aged 5-17 and factors such as parental sociodemographic characteristics, vaccine knowledge, attitudes, and beliefs (KAB), and vaccination history. Results: The analysis revealed that negative KAB towards vaccines, reflected in higher KAB composite scores, significantly increased the likelihood of non-vaccination. Additionally, factors such as lower household incomes, rural residence, employment in sectors not at risk for vaccine-preventable diseases, and younger parental age were associated with higher non-vaccination. The study also highlighted ethnic disparities in vaccination odds and found that children with incomplete routine vaccinations or inconsistent flu vaccination histories were more likely to be unvaccinated against COVID-19. Surprisingly, children of parents who consistently received flu vaccinations were more likely to be unvaccinated against COVID-19. Furthermore, parental education levels showed a complex relationship with children's COVID-19 vaccination status, indicating nuanced influences on vaccination decisions. Conclusion: The findings offer vital insights into the factors influencing COVID-19 vaccination uptake among children in Canada, suggesting avenues for targeted strategies to improve vaccine coverage.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».