Vaccine Hesitancy, Coercion and Regret: Post-Pandemic Lessons on COVID-19 Vaccine Policies and Outreach among Newcomer Communities in Alberta, Canada
Notice bibliographique
Résumé
Abstract Background Since the COVID-19 pandemic routine vaccination rates have dropped in Canada. Many newcomers and refugees experience significant vaccine inequities despite wide vaccine availability and COVID-19 pandemic vaccination campaigns. We aimed to investigate post-pandemic vaccine hesitancy, acceptance, and vaccine outreach strategies among newcomers’ communities. Methods We conducted a prospective community-based-participatory research (CBPR) qualitative study with self-identified newcomers in Alberta between October 2022 - January 2023. Community Scholars, leaders representing various ethnocultural communities trained in community-engaged research conducted semi-structured interviews and focus groups in English and first languages. Scholars collected and translated detailed qualitative notes and sociodemographic data with a standardized survey. Qualitative data was thematically analyzed and coded using a consensus-based approach. Results We conducted two focus groups and five semi-structured interviews with 12 participants, 50% who identified as female and originated from the Philippines, Ethiopia, Eritrea, Mexico, Burundi, and Egypt. We identified three main themes, each with two subthemes: (1) vaccine hesitancy due to lack of reliable information and religious and cultural beliefs, (2) access to COVID-19 vaccines and information, and (3) vaccine acceptance as voluntary or coerced. Employer mandated vaccination emerged as a critical issue with potential long-term negative public health implications, leading to vaccine regret and loss of trust of public health authorities and healthcare systems. Conclusion During population-wide COVID-19 vaccination campaigns newcomers perceived their communities’ circumstances were overlooked, potentially increasing vaccine hesitancy. Perceived coercive vaccination policies had unintended negative public health consequences. These findings may help inform future emergency and routine public health vaccination policies.
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 | 0,009 |
| 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 | 0,018 | 0,007 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,003 | 0,004 |
| 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 ».