Strategies to address COVID-19 vaccine hesitancy in First Nations peoples: a systematic review
Notice bibliographique
Résumé
BACKGROUND: First Nations peoples face disproportionate vaccine-preventable risks due to social, economic, and healthcare disparities. Additionally, during the COVID-19 pandemic, there was also mistrust and hesitancy about the COVID-19 vaccines among First Nations peoples. These are rooted in factors such as colonial histories, discriminatory medical practices, and unreliable information. OBJECTIVE: To examine strategies to address COVID-19 vaccine hesitancy among First Nations peoples globally. METHODS: A systematic review was conducted. Searches were undertaken in OVID MEDLINE, OVID EMBASE, OVID PsycINFO, CINAHL, and Informit. Searches were date limited from 2020. Items included in this review provided primary data that discussed strategies used to address COVID-19 vaccine hesitancy in First Nations peoples. RESULTS: We identified several key strategies across four countries - Australia, the USA, Canada, and Guatemala in seventeen papers. These included understanding communities' needs, collaborating with communities, tailored messaging, addressing underlying systemic traumas and social health gaps, and early logistics planning. CONCLUSION: The inclusion of First Nations-centred strategies to reduce COVID-19 vaccine hesitancy is essential to delivering an equitable pandemic response. Implementation of these strategies in the continued effort to vaccinate against COVID-19 and in future pandemics is integral to ensure that First Nations peoples are not disproportionately affected by disease.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».