Barriers and Concerns that Contribute to Vaccine Hesitancy in Black, Indigenous, and People of Colour (BIPOC) Individuals in Ontario, Canada
Notice bibliographique
Résumé
BACKGROUND: Despite research demonstrating the effectiveness of COVID-19 vaccines, hesitancy is extremely common in minority communities. The purpose of this study was to identify key barriers and concerns that contribute to vaccine hesitancy in Black, Indigenous, and People of Colour (BIPOC) individuals and provide recommendations to address these barriers and concerns. METHODS: The study was an online cross-sectional survey conducted among 1491 BIPOC and Caucasian adults, recruited using social media networks in August-September 2021. The questionnaire consisted of five sections that probed concerns and attitudes contributing to COVID-19 vaccine hesitancy. RESULTS: Respondents were mostly Caucasian males (75.7%) and the average age was 29.1 years. A higher proportion of BIPOC respondents received both doses (50.6%) than Caucasian respondents (36.4%). Out of the unvaccinated, a higher percentage of BIPOC respondents did not plan on getting vaccinated (17.1%) compared to Caucasian respondents (4.2%). BIPOC respondents preferred the Pfizer-BioNTech (34.1%) vaccine whereas Caucasian respondents preferred AstraZeneca (29.3%). The biggest concern BIPOC and Caucasian respondents had with COVID-19 vaccines were side effects (56.6% vs 54.4%, respectively). BIPOC respondents identified dependability as the next biggest concern after side effects. A higher percentage of BIPOC respondents were against getting vaccinated against COVID-19 (16% vs 1.2%) compared to Caucasian respondents. CONCLUSION: Among unvaccinated respondents, COVID-19 vaccine hesitancy was most evident in the BIPOC respondents compared to Caucasian respondents. Side effects, trustworthiness, and lack of information were identified as the three most common concerns surrounding vaccines in general. Increased accessibility to reliable and accurate vaccine information in various languages/dialects can raise awareness about COVID-19 vaccinations in BIPOC communities.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».