Exploring Parent-Driven Determinants of COVID-19 Vaccination in Indigenous Children: Insights from a National Survey
Notice bibliographique
Résumé
Background: Globally and in Canada, Indigenous populations have faced heightened vulnerability during pandemics, with historical inequities exacerbated by multigenerational colonial policies. This study aimed to identify parental factors influencing COVID-19 vaccination among Indigenous children in Canada. Methods: Data from a nationally representative, cross-sectional survey of parents/guardians with children under 18 years of age were analyzed. The study focused on Indigenous children, examining vaccine uptake, parental hesitancy, and related sociodemographic factors. Multivariable logistic regression models were employed to identify key predictors of COVID-19 vaccination. Results: COVID-19 vaccine coverage among Indigenous children was 61.8%, with higher uptake among Inuit (74.4%) children compared to Métis (61.2%) and First Nations (59.6%) children. Nearly half of Indigenous parents (53.4%) expressed hesitancy, primarily due to perceived concerns about insufficient research on the vaccine in children. Higher vaccine uptake was associated with parental education, adherence to routine vaccinations, and urban residence. Conversely, parental hesitancy, particularly related to medical concerns, significantly decreased the likelihood of vaccine uptake. Conclusions: The study highlights the complexity of vaccine hesitancy among Indigenous parents. Targeted interventions, including culturally adapted educational initiatives, community engagement, and healthcare provider advocacy, are essential to improve vaccine uptake.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| 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 ».