COVID-19 Vaccine Hesitancy: Umbrella Review of Systematic Reviews and Meta-Analysis
Notice bibliographique
Résumé
BACKGROUND: The unprecedented emergence of the COVID-19 pandemic necessitated the development and global distribution of vaccines, making the understanding of global vaccine acceptance and hesitancy crucial to overcoming barriers to vaccination and achieving widespread immunization. OBJECTIVE: This umbrella review synthesizes findings from systematic reviews and meta-analyses to provide insights into global perceptions on COVID-19 vaccine acceptance and hesitancy across diverse populations and regions. METHODS: We conducted a literature search across major databases to identify systematic reviews and meta-analysis that reported COVID-19 vaccine acceptance and hesitancy. The AMSTAR-2 (A Measurement Tool to Assess Systematic Reviews) criteria were used to assess the methodological quality of included systematic reviews. Meta-analysis was performed using STATA 17 with a random effect model. The data synthesis is presented in a table format and via a narrative. RESULTS: = 97.59%). Higher acceptance rates were observed among health care workers and individuals with chronic diseases, at 64% (95% CI 0.57%-0.71%) and 69% (95% CI 0.61%-0.76%), respectively. However, lower acceptance was noted among pregnant women, at 48% (95% CI 0.42%-0.53%), and parents consenting for their children, at 61.29% (95% CI 0.56%-0.67%). The pooled vaccine hesitancy rate was 32% (95% CI 0.25%-0.39%) in the general population. The quality assessment revealed 19 high-quality, 38 moderate-quality, 15 low-quality, and 6 critically low-quality meta-analyses. CONCLUSIONS: This review revealed the presence of vaccine hesitancy globally, emphasizing the necessity for population-specific, culturally sensitive interventions and clear, credible information dissemination to foster vaccine acceptance. The observed disparities accentuate the need for continuous research to understand evolving vaccine perceptions and to address the unique concerns and needs of diverse populations, thereby aiding in the formulation of effective and inclusive vaccination strategies. TRIAL REGISTRATION: PROSPERO CRD42023468363; https://tinyurl.com/2p9kv9cr.
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 | 0,018 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,014 | 0,002 |
| Bibliométrie | 0,001 | 0,003 |
| 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 | 0,000 |
| 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 ».