Factors that influence vaccination communication during pregnancy: provider and patient perspectives using the theoretical domains framework
Notice bibliographique
Résumé
INTRODUCTION: Vaccination during pregnancy is recommended but uptake is low and evidence on the topic is limited. AIMS: This study aimed to identify the drivers of current behavior and barriers to change for health care practitioners (HCPs) and pregnant patients in Canada. METHODS: This study is an in-depth qualitative investigation of the factors influencing HCPs' vaccination communication during pregnancy, as well as factors influencing pregnant patients' vaccination uptake in Canada using the Theoretical Domains Framework. Three data sources were used: (1) perinatal HCP interviews before COVID-19; (2) perinatal HCP interviews regarding vaccine communication after COVID-19; and (3) survey of pregnant or lactating women after COVID-19. RESULTS: Forty-seven interviews and 169 participant responses were included. Perinatal HCPs reported limited information on vaccine communication or difficulty keeping up-to-date ( Environmental context and resources ; Knowledge; Beliefs about capabilities ). HCPs lacked confidence and struggled with lack of training to address vaccine hesitancy without alienating patients ( Beliefs about capabilities; Skills ). Pregnant or lactating women struggled with the amount of information they felt was imposed on them, had concerns about the perceived negative consequences of vaccination, and felt pressure to understand what was best for them and their babies ( Knowledge; Beliefs about consequences; Social influences ). CONCLUSIONS: Our study provides a theory-based approach to identify influencing factors that can be mapped to theory-based intervention components, improving the likelihood of intervention effectiveness. The study is the first step in adapting an existing intervention to improve vaccine communication during pregnancy, ultimately, increasing vaccination uptake. SPANISH ABSTRACT: http://links.lww.com/IJEBH/A260.
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 | 0,006 | 0,015 |
| 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 | 0,005 | 0,003 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».