MétaCan
Menu
← Retour à la cohorte
Enregistrement W4393252359 · doi:10.1101/2024.03.27.24304984

Strengthening access to and confidence in COVID-19 vaccines among equity-deserving populations across Canada: An exploratory qualitative study

2024· preprint· en· W4393252359 sur OpenAlexafffundabout
Kainat Bashir, Mariame Ouedraogo, Christoffer Dharma, Mercedes Sobers, Vajini Atukorale, Dane Mauer-Vakil, Anushka Ataullahjan, Shaza A. Fadel, Sara Allin

Notice bibliographique

RevuemedRxiv · 2024
Typepreprint
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensWestern UniversityCentre for Addiction and Mental HealthUniversity of WaterlooPublic Health OntarioUniversity of Toronto
Organismes subventionnairesUniversity of Toronto
Mots-clésCoronavirus disease 2019 (COVID-19)Equity (law)Exploratory researchSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakHealth equityPolitical scienceGeographyVirologyBusinessEconomic growthSociologyMedicineEconomicsInfectious disease (medical specialty)Social scienceLawOutbreakHealth care

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: There is a need to reflect on the COVID-19 vaccine distribution plans across Canada and the extent to which they considered equity-deserving populations, as lessons from the rollout can inform future emergency responses and foster trust in public health. This paper examined and compared strategies implemented by six Canadian provinces to increase access and promote the uptake of COVID-19 vaccines among selected priority populations. We also explored the factors that impacted the implementation of these strategies. METHODS: In six provinces (Alberta, British Columbia, Manitoba, Nova Scotia, Ontario, and Quebec), we conducted an environmental scan of provincial rollout documents and media sources reporting vaccine distribution among selected priority populations: First Nations, Inuit, and Métis; Black communities; essential workers; people experiencing homelessness; and people with disabilities. We subsequently interviewed 39 key informants to validate the environmental scan results, identify additional strategies to increase COVID-19 vaccine uptake, and uncover perceptions of the facilitators and challenges that influenced the strategies implementation. RESULTS: We identified that provincial health authorities employed several strategies to overcome structural, geographical, and attitudinal barriers to COVID-19 vaccines experienced by the priority populations. Most provinces implemented walk-in, mobile, and pop-up vaccination clinics, mobilized their public and private health workforce, and designed multilingual communication materials. Facilitators in implementing COVID-19 vaccination strategies included harmonizing communication efforts, leveraging existing relationships and networks, and ensuring representation and leadership of community partners. Challenges to implementing COVID-19 vaccination strategies included uncoordinated communication efforts, inadequate distribution of vaccines to areas with the greatest need, mistrust in the government and healthcare system, vaccine hesitancy, and lack of cultural competence by vaccine providers. CONCLUSIONS: This study highlights the divide between well-intentioned strategies and interventions and the reality of on-the-ground implementation. The findings offer valuable insights and can inform the implementation of strategies to distribute vaccines equitably in future large-scale vaccination efforts in Canada and globally.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,009
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,084
Score d'incertitude au seuil0,606

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,010
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0220,009
Communication savante0,0040,002
Science ouverte0,0020,004
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,201
Tête enseignante GPT0,493
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuemedRxiv→Même sujetVaccine Coverage and Hesitancy→Travaux en français237 207→