Vaccine Hesitancy among Immigrants: A Narrative Review of Challenges, Opportunities, and Lessons Learned
Notice bibliographique
Résumé
(1) Background: Vaccination reluctance is a major worldwide public health concern as it poses threats of disease outbreaks and strains on healthcare systems. While some studies have examined vaccine uptake within specific countries, few provide an overview of the barriers and trends among migrant groups. To fill this knowledge gap, this narrative review analyzes immunization patterns and vaccine hesitancy among immigrant populations. (2) Methods: Four researchers independently evaluated the quality and bias risk of the 18 identified articles using validated critical appraisal tools. (3) Results: Most studies focused on vaccine hesitancy among migrants in the United States and Canada, with a higher COVID-19 vaccine reluctance than native-born residents. Contributing factors to this hesitancy include demographics, cultural views, obstacles to healthcare access, financial hardship, and distrust in health policies. Additionally, immigrants in North America and Europe face unfair vaccine challenges due to misinformation, safety concerns, personal perspectives, language barriers, immigration status, and restricted healthcare access. (4) Conclusions: Tailored vaccine education programs and outreach campaigns sensitive to immigrants' diversity should be developed to address this issue. It is also important to investigate community-specific obstacles and assess the long-term sustainability of current efforts to promote vaccination among marginalized migrant groups. Further research into global immunization disparities among immigrant populations is crucial.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».