MétaCan
Menu
Retour à la cohorte
Enregistrement W4407912975 · doi:10.1186/s12875-025-02747-8

Perspectives of primary care nurses on the organization of the COVID-19 vaccine rollout: a qualitative study

2025· article· en· W4407912975 sur OpenAlexaffabout
Rhiannon Lyons, Maria Mathews, Lindsay Hedden, Julia Lukewich, Emily Gard Marshall, Jennifer E. Isenor, Jamie Wickett, Émilie Dufour, Leslie Meredith, Dana Ryan, Sarah Spencer, Crystal Vaughan, Cheryl Cusack

Notice bibliographique

RevueBMC Primary Care · 2025
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueVaccine Coverage and Hesitancy
Établissements canadiensDalhousie UniversityMemorial University of NewfoundlandSimon Fraser UniversityUniversity of ManitobaWestern University
Organismes subventionnairesnon disponible
Mots-clésCoronavirus disease 2019 (COVID-19)Primary careSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)2019-20 coronavirus outbreakQualitative researchMedicineFamily medicineVirologyNursingSociologyInternal medicineInfectious disease (medical specialty)OutbreakDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Primary care nurses, including nurse practitioners (NPs), registered nurses (RNs), and licensed practical nurses/registered practical nurses (LPNs/RPNs), play a pivotal role in pandemic management and outbreak planning. There is extensive literature surrounding COVID-19 vaccination efforts in Canada; however, limited research addresses the involvement of primary care nurses, as well as the organization and integration of these efforts into primary care settings. This study aimed to describe the organizational challenges, barriers, and facilitators to primary care nurses' roles in COVID-19 vaccination. METHODS: As part of a mixed methods case study, we conducted semi-structured qualitative interviews with primary care nurses employed in regions across four Canadian provinces: British Columbia, Ontario, Nova Scotia, and Newfoundland and Labrador. During the interviews, nurses described their activities throughout different phases of the COVID-19 pandemic, factors that facilitated or impeded their efforts, and potential contributions nurses could have made. We applied a thematic analysis approach and analyzed codes related to the organization of the COVID-19 vaccination rollout. RESULTS: We interviewed 76 nurses (24 NPs, 37 RNs, and 15 LPNs/RPNs) between May 2022 and January 2023. We identified five overarching components of the COVID-19 vaccination rollout that influenced primary care nurses' perceptions and experiences: (1) information, (2) training, (3) coordination, (4) integration, and (5) compensation. Participants reported both positive and negative experiences with the vaccine rollout. Rapidly evolving information made it difficult for nurses to stay informed and training for vaccine delivery posed barriers due to time requirements and redundancy. Support was often lacking for new electronic systems, and regional coordination varied, sometimes resulting in miscommunication. Delays in integrating vaccination into primary care, logistical challenges, and disparities in compensation between nurses and physicians also presented challenges. CONCLUSIONS: Findings highlight the critical roles of primary care nurses in mass vaccination campaigns, underscoring the need for targeted information, effective training, streamlined coordination, better integration into primary care, and more equitable compensation. Integrating these services into primary care can enhance future vaccination efforts by leveraging nurses' expertise to improve vaccine access and delivery.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,447

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,345
Écart entre enseignants0,320 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBMC Primary CareMême sujetVaccine Coverage and HesitancyTravaux en français237 207