COVID-19 vaccine acceptance and preference for future delivery among language minority, newcomer, and racialized peoples in Canada: a national cross-sectional and longitudinal study
Notice bibliographique
Résumé
BACKGROUND: Despite high COVID-19 vaccine coverage in Canada, vaccine acceptance and preferred delivery among newcomers, racialized persons, and those who primarily speak minority languages are not well understood. This national study explores COVID-19 vaccine acceptance, access to vaccines, and delivery preferences among ethnoculturally diverse population groups. METHODS: We conducted two national cross-sectional surveys during the pandemic (Dec 2020 and Oct-Nov 2021). Binary logistic regression analysis investigated the association between newcomer, language, and racialized minority respondents' perceptions and acceptance of COVID-19 vaccines, experiences of discrimination when accessing health services, and sociodemographic characteristics. McNemar-Bowker tests were used to assess changes in responses collected at two time points. RESULTS: Among 1630 respondents, 30.8% arrived in Canada within the last five years, 87.4% self-identified as a racialized minority, and 37.2% primarily spoke languages other than English or French. Although single dose COVID-19 vaccine uptake was at 92.7% among respondents, 14.8% experienced difficulty accessing vaccines, citing a need for translated resources or multi-lingual personnel. In longitudinal analysis, respondents were increasingly motivated over time to overcome barriers to accessing vaccines (61.4% to 69.6%, p = <.001). Fifty-nine percent (59.9%) of respondents would accept annual vaccination and over half would accept co-administration with routine (56.2%) or influenza (52.3%) vaccines. Experiences of racism/discrimination upon health service access were reported by 12.3% of respondents, who recommended increasing culturally safe practices and community involvement at vaccination sites. CONCLUSIONS: Understanding how newcomers, racialized peoples, and minority language speakers perceive and access COVID-19 vaccines will support vaccination campaigns to optimize equitable access.
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 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».