COVID-19 vaccine attitudes among mental health professionals in the WHO’s global clinical practice network
Notice bibliographique
Résumé
Although COVID-19 vaccines have demonstrated efficacy, there is variability in health professionals' attitudes towards these agents. Factors associated with mental health professionals' attitudes towards COVID-19 vaccination are not well understood. We investigated these factors by administering a newly developed measure, the COVID-19 Vaccine Attitudes Questionnaire (C-VAQ), to members of the World Health Organization's Global Clinical Practice Network (GCPN) of mental health professionals. 1,931 GCPN members representing all world regions participated between July 28 and September 7, 2021. Mental health professionals' attitudes towards COVID-19 vaccination were assessed in one of five languages (Chinese, English, French, Japanese, Russian, or Spanish) using the C-VAQ. Internal consistency, factor structure, and predictive validity of the C-VAQ were examined, and a multiple-linear regression model was employed to assess C-VAQ score predictors, including sociodemographic variables (age, gender, WHO region, country income level, profession, and years of professional experience) as well as country mortality rate and the stringency of each country's response to COVID-19. The C-VAQ demonstrated good internal consistency and external validity. Items loaded on to a single factor. Having received a COVID-19 vaccine, higher country mortality rate, and higher stringency index was significantly associated with more positive vaccine attitudes. Lower age, residing in a low-and-middle income country, and living in Asia were all was significantly associated with less positive vaccine attitudes. The C-VAQ scores were negatively correlated with the number of concerns about the COVID-19 vaccination. The C-VAQ was useful in demonstrating the extent to which additional work is needed to improve mental health professionals' attitudes towards COVID-19 vaccines globally. Relatively poorer attitudes toward vaccination among some mental health clinicians around the world suggests the need for broad, multi-pronged interventions.
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 | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».