“I try to take all the time needed, even if i do not have it!”: Knowledge, attitudes, practices of perinatal care providers in canada about vaccination
Notice bibliographique
Résumé
Objective: Successful clinical conversations about vaccination in pregnancy (pertussis, COVID-19, and influenza) are key to improving low uptake rates of both vaccination in pregnancy and infancy. The purpose of this study was to understand Canadian perinatal care providers' knowledge, attitudes, and practices around vaccination in pregnancy. Methods: Qualitative interviews with 49 perinatal care providers (nurse practitioner, general practitioner, registered nurse, registered midwife, obstetrician-gynecologist, and family physicians) in 6 of 13 provinces and territories were deductively coded using directed content analysis [1] and analyzed according to key themes. Results: Participants detailed their professional training and experiences, patient community demographics, knowledge of vaccines, views and beliefs about vaccination in pregnancy, and attitudes about vaccine counselling. Providers generally described having a good range of information sources to keep vaccine knowledge up to date. Some providers lacked the necessary logistical setups to administer vaccines within their practice. Responses suggest diverging approaches to vaccine counselling. With merely hesitant patients, some opted to dig in and have more in-depth discussions, while others felt the likelihood of persuading an outright vaccine-refusing patient to vaccinate was too low to be worthwhile. Conclusion: Provider knowledge, attitudes, and practices around vaccination varied by professional background. To support perinatal providers' knowledge and practices, clinical guidelines should detail the importance of vaccination relative to other care priorities, emphasize the positive impact of engaging hesitant patients in vaccine counselling.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».